【摘 要】
：
基于句子级别的抽取方法不足以解决中文事件元素分散问题.针对该问题,提出基于上下文融合的文档级事件抽取方法.首先将文档分割为多个段落,利用双向长短期记忆网络提取段落序列特征;其次采用自注意力机制捕获段落上下文的交互信息;然后与文档序列特征融合以更新语义表示;最后采用序列标注方式抽取事件元素并匹配事件类型.与其他事件抽取方法在相同的中文数据集上进行对比,实验结果表明,该方法能有效抽取文档中分散的事件元素,并提升模型的抽取性能.
【机 构】
：
重庆邮电大学 计算机科学与技术学院,重庆400065
论文部分内容阅读
基于句子级别的抽取方法不足以解决中文事件元素分散问题.针对该问题,提出基于上下文融合的文档级事件抽取方法.首先将文档分割为多个段落,利用双向长短期记忆网络提取段落序列特征;其次采用自注意力机制捕获段落上下文的交互信息;然后与文档序列特征融合以更新语义表示;最后采用序列标注方式抽取事件元素并匹配事件类型.与其他事件抽取方法在相同的中文数据集上进行对比,实验结果表明,该方法能有效抽取文档中分散的事件元素,并提升模型的抽取性能.
其他文献
拷贝数变异是一种主要的基因组结构变异形式,会导致基因组区域中出现大小不等的扩增或缺失.针对现有拷贝数变异检测算法受GC含量偏差、测序误差等因素影响而导致检测能力低的问题,提出了一种基于遗传算法优化的BP神经网络拷贝数变异检测算法.该算法充分考虑基因组相邻位置之间的内在相关性,融合多个特征,并使用BP神经网络解决各个特征之间的联合作用以预测CNV;针对现有的BP神经网络模型存在的问题,利用遗传算法优化BP神经网络的权值和阈值,以提高该算法的CNV检测性能.实验结果表明,该算法对不同测序覆盖深度和肿瘤纯度共3
为了促进中医舌诊的标准化和客观化,推动中医舌诊客观化研究,探究以深度学习为代表的人工智能技术在舌诊客观化领域的应用现状和研究水平,文章以舌像的采集-预处理-图像识别-客观诊断为主线,对舌像辩证自动化的新方法进行了归纳和总结.通过方法综述,为智能化舌诊和中医现代化研究提供方法参考和研究思路,促进人工智能技术在中医舌诊领域的深度发展.
心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果.基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰.对心电信号的相关去噪算法的效果进行对比分析.首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰.每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较.在此基
文章对Alpha通道的图像存储结构进行了底层剖析,从根本上阐述了Alpha通道对图像的作用机理,以求解决在图像处理以及图像识别过程遇到的理解困难.重点分析了在图像高级处理中的应用效果,给出了典型的图像处理范例进行操作剖析,从实验结果上对Alpha通道的特殊作用进行了印证.
研究近年来主流的目标跟踪算法.通过文献阅读和归纳对比,分析了使用生成式模型和判别式模型的目标跟踪算法.结果显示,对于存在复杂干扰因素的场景,采用第二类模型的目标跟踪算法的跟踪效果更好.文章为视频跟踪领域的研究者们提供了一个关于目标跟踪算法的客观分析.
探索“算法设计与分析”课程的一系列教学改革措施.将“对分课堂”的新型教学理念、教学方法和评价手段融入到教学过程中,根据教学内容特点灵活使用对分策略;以程序设计辅助教学系统为支撑,完成课程过程性考核评价;建设优质课程试题库、课程资源及拓展学习平台,为学生提供全面、持续的学习服务.教学实践证明,这些改革举措取得较好的教学效果.
近年来随着配电网运维智能化程度越来越高,大量的运维数据通过互联网实时交互,如何利用好这些数据为客户服务,同时降低企业运营成本显得十分重要,尤其须要解决实时分析、存储和反馈海量配网数据的问题.文章提出通过大数据技术Kafka、Redis、InfluxDB、Flink搭建配网数据中心,采用跨Android和IOS平台技术的Flutter开发移动APP的方式.该方式经验证,读写百万量级数据时间是秒级、实时计算时间是毫秒级,不仅降低了配网运营过程中的时间成本,还丰富了配网运行数据的查询手段.
共识算法是区块链中的核心技术,直接决定了整个区块链系统的运行效率.对现有的共识算法进行了总结,将其分为基于节点某种属性值证明的共识算法、基于节点投票机制的共识算法和类Paxos共识算法三类.详细介绍了三类共识算法的实现细节,并依据蒙代尔不可能三角理论进行对比研究,给出了共识算法的发展方向,为区块链共识算法的深入研究提供借鉴.
能耗限制的服务质量优化问题一直以来都是数据中心虚拟机资源管理所面临的巨大挑战之一.尽管现有的工作通过虚拟机整合技术一定程度上降低了能耗和提升了系统服务质量,但这些方法通常难以实现长期最优的管理目标,并且容易受到业务场景变化的影响,面临变更困难以及管理成本高等难题.针对数据中心虚拟机资源管理存在的能耗和服务质量长期最优难保证以及策略调整灵活性差的问题,提出了一种基于深度强化学习的自适应虚拟机整合方法(deep reinforcement learning-based adaptive virtual mac
针对灰狼优化算法(GWO)存在较为严重的收敛性缺陷问题,提出了一种基于杂交策略的自适应灰狼优化算法(AGWO).首先引入非线性收敛因子,以平衡算法的全局搜索性和局部开发性;其次引进遗传杂交策略,对灰狼群体以一定概率两两杂交以产生新个体,从而有效增强灰狼群体的多样性;同时为避免算法后期陷入局部最优解,受蝠鲼觅食策略的启发,引入蝠鲼觅食策略并加入了动态自适应调节因子以调节群体的多样性,有效提升算法的收敛精度及全局寻优性能.通过选取CEC2014中11个基准测试函数进行实验,与其他相关算法横纵向对比分析,多方位