多头自注意力机制相关论文
针对传统卷积网络对沥青路面病害检测时存在的检测精度低、定位不准等问题，提出一种基于改进YOLOv7的沥青路面病害检测算法。首先针......
主流的配电网故障定位和识别故障类别任务分开建模，却忽略了故障定位和故障类别之间关联性，该文提出了故障定位以及故障类别的端到端......
在集装箱码头的堆场中,集装箱的堆叠操作是存储环节中不可缺少的一部分,合理的堆叠方案能有效减少倒箱操作,降低码头船只与陆运车......
识别线上消费者群体评论的情感倾向，有助于优化平台推荐算法及提升服务质量，如何有效识别消费者情感倾向，是一个热门的研究选题。本文......
实体提取是指从文本中识别出具有特定意义的实体,关系提取是指判定实体与实体之间存在某种关系,最近热门的实体和关系联合提取的本......
针对电网领域命名实体识别（NER）对人工标注的依赖问题,提出了一种面向电网设备故障报告的半监督命名实体识别方法 Semi-supervised P......
针对就业推荐中交互数据极其稀疏的问题,提出一个基于多头自注意力机制和特征交叉网络的混合深度神经网络模型.对学生行为序列属性......
互联网的快速发展让网络信息爆炸式增长,这导致了极其严重的信息过载问题。而推荐系统作为主要的信息过滤技术之一,面临用户评分数......
随着互联网时代的到来,大数据技术应运而生,这标志着我们迈入了一个无处无时都要接收信息的时代。然而如何从中获取出有用的信息,......
随着互联网技术和信息技术的发展,传统的搜索方式逐渐被以知识图谱为支撑的搜索方式所代替,以知识图谱为支撑的搜索方式不仅能为用......
全球一体化的今天,拥有不同语言背景的人们跨语言交流的机会越来越多,语种识别技术作为多语言智能语音处理系统中核心的前端处理模......
心力衰竭,简称心衰,是各种心脏疾病发展的终末阶段。心衰患者预后死亡率是高度可变的,死亡率从5%到75%不等。因此评估心衰患者预后......
随着社会媒体的发展,越来越多的用户通过微博来表达情感。因此,对微博中的情感进行挖掘有很大的应用价值。近年来,深度学习的技术......
[目的]解决传统方面级别情感分析模型在词嵌入过程中未将上下文与方面词信息融合、需以复杂的下游结构提取特征等问题.[方法]提出......
针对文本信息抽取中由于训练样本不足导致性能下降的问题,提出一种基于规矩约束的深度学习网络模型.模型分为深度学习模块、逻辑规......
当前,缺陷跟踪系统通过缺陷报告实现缺陷与修复者的匹配.然而,以往的缺陷分派模型过于依赖缺陷报告的文本质量,引入自然语言中大量......
近年来,社交媒体常会以漫画的形式隐喻社会现象并倾述情感,为了解决漫画场景下多模态多标签情感识别存在的标签歧义问题,文中提出......
为了学习文本的语义表征,之前的研究者主要依赖于复杂的循环神经网络(recurrent neural networks,RNNs)和监督式学习方法.本文中,......
目前,推荐系统的应用范围越来越广泛,已经成为电商平台、视频播放平台、娱乐社交等平台的基础设施。序列推荐是推荐系统的一个分支......
交通流量预测任务不仅与相关管理部门调度车辆息息相关,也会使驾驶员避免不必要的交通拥堵。随着产业结构的转变和居民车辆拥有量......
情绪在人类日常交流中起到非常重要作用,在对话场景中进行情绪识别的研究有巨大的商业价值和研究意义。本文利用当前比较前沿的深......
传统的基于单一模态的信息搜索方式,例如关键字搜索,以图搜图等,已经逐渐无法满足人们的实际需要。如何把网络上的多模态信息进行......
随着社会经济的迅速发展和互联网的普及,地域欺凌言论大量出现,给人们的正常生活带来严重的影响。如何对地域欺凌文本进行高效地处......
随着信息时代的到来,越来越多的人们开始热衷于在社交网络上发表自己的言论,这使得全球信息呈指数级的增长。如何从这些信息中提取......
针对循环神经网络模型无法直接提取句子的双向语义特征,以及传统的词嵌入方法无法有效表示一词多义的问题,该文提出了基于ELMo和Tr......
该文通过研究商品评论正、负向情感识别任务,基于Transformer模型,提出了一种结合多头自注意力层和卷积层的神经网络模型,其中多头......
说话人分割聚类技术是语音信号处理的一个重要技术,也是多种语音应用系统的重要组成部分,它在多说话人音频处理中发挥着重要作用。......
针对中文短文本缺乏上下文信息导致的语义模糊从而存在的特征稀疏问题,提出了一种融合卷积神经网络和多头自注意力机制(CNN-MHA)的......
针对现有文本情感分析方法存在的无法高效捕捉相关文本情感特征从而造成情感分析效果不佳的问题,提出一种融合双层多头自注意力与......
为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks,RNNs)和监督式学习方法。该文提......
