用于关系抽取的注意力图长短时记忆神经网络

来源 :智能系统学报 | 被引量 : 0次 | 上传用户:zx2353
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
关系抽取是信息获取中一项关键技术。句子结构树能够捕获单词之间的长距离依赖关系,已被广泛用于关系抽取任务中。但是,现有方法存在过度依赖句子结构树本身信息而忽略外部信息的不足。本文提出一种新型的图神经网络模型,即注意力图长短时记忆神经网络(attention graph long short term memory neural network,AGLSTM)。该模型采用一种软修剪策略自动学习对关系抽取有用的句子结构信息;通过引入注意力机制,结合句法图信息学习句子的结构特征;并设计一种新型的图长短时记忆神经网
其他文献
针对标签相关性的表征问题,提出一种基于三角距离相关性的标签分布学习算法。首先,构建距离映射矩阵,描述标签分布和特征矩阵之间的映射关系。其次,设计新的三角距离,以表征标签之间的相关性。最后,结合标签相关性,设计基于Kullback-Leibler散度的目标函数。在8个数据集上的实验结果表明,与8种主流算法相比,本文提出的算法在6个准确性指标上占优势。
针对第四方物流运输(4PL)过程中的运输时间优化问题,本文建立了第四方物流运输时间优化模型,并设计引入收敛因子和隶属度函数的模糊粒子群优化算法(CFPSO),对运输路线和第三方代理商选择进行决策。仿真实验中设计了3个不同规模的算例,并将收敛模糊粒子群优化算法的实验结果与枚举算法、基本粒子群优化算法、遗传算法和量子粒子群优化算法的实验进行对比分析,证明了模型和算法的有效性。
摘 要:该文系统总结了贵州省“十三五”期间农区鼠害监测与防治工作取得的主要成效、工作经验和存在問题,提出了“十四五”时期指导思想、主要目标和发展规划,旨在为今后开展农区鼠害监测与防治工作提供参考借鉴。  关键词:鼠害监测防治;“十三五”工作成就;“十四五”发展规划;2021年工作任务;贵州省  中图分类号 S443.3 文献标识码 A 文章编号 1007-7731(2021)15-0129-
摘 要:鸡沙门氏菌病是由沙门氏菌感染引发的鸡常见传染病之一,分为鸡副伤寒、鸡伤寒和鸡白痢。通过分析鸡沙门氏菌病的发病原因、流行特点、临床表现及诊断方法,提出了优化养殖环境、强化疫苗免疫接种和检疫净化、保障优质鸡苗、避免其他病原引入、药物防治等综合防治措施,以期为鸡沙门氏菌病的预防及防治提供参考。  关键词:鸡沙门氏菌病;发病原因;流行特点;诊断;防治措施  中图分类号 S858.31 文献标识
摘 要:目的:研究30%腈吡螨酯悬浮剂在不同剂量下对草莓二斑叶螨的防治效果并明确其最适用量,为其田间应用提供科学依据。方法:分别于2019—2020年在河北省保定市满城区邵家庄村使用喷雾器将不同剂量的30%腈吡螨酯悬浮剂均匀喷洒于草莓植株各部位。结果:对草莓喷药1次,14d后30%腈吡螨酯悬浮剂有效成分含量75、100、150mg/kg对草莓上的二斑叶螨防效均达到93%以上。结论:30%腈吡螨酯悬
摘 要:通过2018—2019连续2年在无为市30个监测点开展耕地质量定点监测,分析了无为市主要耕地的质量变化。结果表明:在测土配方施肥区,土壤中的有机质、全氮、有效磷、速效钾等养分均有所提高,pH值持平,容重降低,耕地质量等级较上年略有提高;在长期不施肥条件下种植农作物,土壤中的有机质、全氮、速效钾、有效磷等养分含量降低,pH值、容重增加,耕地质量等级较上年下降。  关键词:耕地质量;现状;对策
针对经典算法Apriori和频繁模式增长算法(frequent pattern growth, FP-growth)不能直接对时间序列数据进行关联规则挖掘的问题,提出一种同步频繁树算法(synchronize frequent tree, SFT)。利用时间序列的时间属性具有一维性的特点,定义趋势项-位置表示法表示时间序列数据,将首条时间序列构建成一棵基础树,通过计算树叶子节点与列表项的信息交集,可判断其是否与该树枝中的所有节点构成频繁K项集。在SFT算法中,用趋势项-位置表示的数据内存占用情况要优于原始
掌握土壤养分及其空间变异性和影响因素,对于评价土壤生产力、指导养分管理具有重要意义。以阜康市农区为研究区,基于1982年、2010年、2018年3个时期的土壤养分采样点,运用经典统计与地统计相结合的方法,揭示了速效钾在不同时期的空间变异及等级变化情况,并探讨了自然因素和人为因素等对其影响。结果表明:速效钾总体表现为增加趋势,呈中等强度空间变异,含量丰富。从影响因素来看,与海拔、坡度呈显著负相关;在
在无线传感器网络(wireless sensor network,WSN)节点故障检测领域的研究过程中,故障检测准确率会受节点数据的不确定性和专家知识模糊性的影响。针对这一问题,本文提出了一种基于置信规则库(belief rule base,BRB)的WSN节点故障检测方法。首先,根据WSN工作原理及节点工作特性描述WSN节点故障检测过程;然后,从空间和时间2个维度对节点数据提取特征,建立基于空间和时间相关性的WSN节点故障检测模型;最后,利用Intel Lab Data无线传感器数据集进行案例研究以验证
抑郁症是致残率和发病率最高的疾病之一,全球约有3亿人正遭受着抑郁症的困扰。然而,目前并没有有效的生物特征和临床方法能够帮助医生对抑郁症进行准确的诊断。针对此任务,本文将计算机视觉领域的前沿深度学习模型进行优化与适配,应用于抑郁症的辅助诊断,并在此基础上引入迁移学习,取得了很好的效果。实验结果表明,同前沿算法模型相比,本文提出的方法能够有效提高抑郁症与健康对照者的结构磁共振成像分类准确率和召回率,充