搜索结果: 1-12 共查到“人工智能 实体”相关记录12条 . 查询时间(0.115 秒)
基于跨模态实体信息融合的神经机器翻译方法
实体重构 跨模态学习 多任务学习 多模态机器翻译
2023/6/20
现有多模态机器翻译(Multi-modal machine translation,MMT)方法将图片与待翻译文本进行句子级别的语义融合.这些方法存在视觉信息作用不明确和模型对视觉信息不敏感等问题,并进一步造成了视觉信息与文本信息无法在翻译模型中充分融合语义的问题.针对这些问题,提出了一种跨模态实体重构(Cross-modal entity reconstruction,CER)方法.区别于将完整...
基于关系指数和表示学习的领域集成实体链接
集成实体链接 特定领域 表示学习 关系指数
2021/10/20
本文针对现有方法不能很好结合文本信息和知识库信息的问题,提出一种基于关系指数和表示学习的领域集成实体链接方法.首先,本文构建了特定领域知识库;其次,运用表示学习从文本信息中得到的向量表示计算实体指称项的上下文、主题关键词、扩展词三个特征的相似度;然后,利用知识库中的关系信息计算候选实体的关系指数;最后,将这三种相似度及关系指数相融合,用于实体链接.实验结果表明,相较于现有方法,本文方法能够有效地提...
视频：周口师范学院计算机科学与技术学院(软件学院)计算机网络教学录像 实体、协议、服务和服务访问点
视频 周口师范学院计算机科学与技术学院(软件学院) 计算机网络 教学录像 实体 协议 服务和服务访问点
2019/1/27
视频：周口师范学院计算机科学与技术学院(软件学院)计算机网络教学录像 实体、协议、服务和服务访问点。
基于自扩展与最大熵的领域实体关系自动抽取
实体关系抽取 最大熵 自扩展 特征
2010/5/25
实体关系自动获取是信息抽取的难题之一。本文提出自扩展算法和最大熵机器学习算法相结合的方法,以旅游领域为研究对象进行实体关系的自动抽取。首先利用自扩展算法自动获取能体现实体对间大类关系的语义词汇,该词汇作为特征加入最大熵机器学习算法的特征集,并设定阈值实现训练语料的自动标注;然后使用最大熵机器学习算法对训练语料进行学习,构建实体关系抽取的分类器,实现实体关系的自动获取。在收集600篇旅游领域语料的基...
基于条件随机域的生物命名实体识别
生物命名实体识别 条件随机域 隐马尔科夫模型
2009/11/26
提出一种基于条件随机域模型的生物命名实体识别方法，结合单词构词特性以及距离依赖特性，在JNLPBA的GENIAV3.02数据上进行实验，测试结果表明，引入距离依赖后，系统的识别性能比只利用单特性的条件随机域方法提高2.54%，可获得较好的识别效果，提高了系统的识别效率。
基于图的三维实体模型相交特征识别
相交特征 特征识别 三维实体模型
2009/9/25
针对相交特征自动识别较为困难的问题，提出一种新的三维实体模型相交特征识别方法。首先以属性连接图(AAG)表示简单特征的拓扑结构，以几何关系约束图(GRRG)描述简单特征组成面的几何约束关系；然后在子图匹配基础上，先识别实体模型中拓扑结构未发生变化的简单特征，修补后将其移出实体模型，再通过添加镜面操作进一步识别拓扑结构发生改变的简单特征。在此基础上，将相交特征表示为一组相连的简单特征实体，从而实现相...
基于编辑距离和多种后处理的生物实体名识别
文本挖掘 实体识别 编辑距离
2009/7/31
基于编辑距离和多种后处理的生物医学文献实体名识别方法通过“全称缩写对识别算法”扩充词典，利用编辑距离算法提高识别召回率。在后处理阶段，使用前后缀词扩展、POS扩展、合并邻近实体及利用上下文线索等方法进一步提高性能。实验结果表明，使用该方法即使利用内部词典也可以获得较好的识别效果。
基于种子自扩展的命名实体关系抽取方法
命名实体 关系抽取 自学习
2009/2/26
命名实体间关系的抽取是信息抽取中的一个重要研究问题，该文提出了一种从大量的文本集合中自动抽取命名实体间关系的方法，找出了所有出现在同一句子内、词语之间的距离在一定范围之内的命名实体对，把它们的上下文转化成向量。手工选取少量具有抽取关系的命名实体对，把它们作为初始关系的种子集合，通过自学习，关系种子集合不断扩展。通过计算命名实体对和关系种子之间的上下文相似度来得到所要抽取的命名实体对。通过扩展关系种...
实体关系模板的获取技术
信息提取 机器学习 bootstrapping
2009/2/8
确定实体间的关系有助于理解文本，提高信息检索的正确率。该文研究中文实体关系模板的获取技术，提出了一种STG的bootstrapping训练方法。该方法采用生物信息学中的序列比对技术计算上下文的语义模板，使用一定的评估机制筛选模板，有效地扩充元组以提高下一轮训练的质量。实验结果表明，STG生成的模板不仅能覆盖大量的元组，而且正确率可达99%。
条件随机域与上下文线索结合的生物实体识别
文本挖掘 生物实体识别 条件随机域 上下文线索
2009/2/8
介绍一个用于在生物医学文献中识别基因、蛋白质等生物实体的识别方法。该方法基于条件随机域方法，选取适当特征进行实体识别，利用上下文线索进一步提高识别性能。实验结果表明上下文线索的引入使识别性能在条件随机域方法基础上提高了近3%，从而获得了较好的最终识别效果。