期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GC-MS的3种龙胆属植物的代谢差异分析
1
作者
武文雅
吴可心
+1 位作者
张迈
穆立蔷
《西北林学院学报》
CSCD
北大核心
2023年第6期203-210,共8页
为明确中药龙胆的可入药植物即龙胆、三花龙胆及条叶龙胆根部活性成分的差异及3种龙胆的叶片是否具有开发利用价值,通过气相色谱-质谱联用(GC-MS)技术进行相关代谢物数据采集,根据非靶向代谢组学对3种龙胆根部及叶片的化学组成成分进行...
为明确中药龙胆的可入药植物即龙胆、三花龙胆及条叶龙胆根部活性成分的差异及3种龙胆的叶片是否具有开发利用价值,通过气相色谱-质谱联用(GC-MS)技术进行相关代谢物数据采集,根据非靶向代谢组学对3种龙胆根部及叶片的化学组成成分进行研究。采用无监督模式的主成分分析(PCA)、单变量与多元统计分析相结合的偏最小二乘法(PLS-DA)分析和差异代谢物相对含量的聚类分析。结果表明,PCA可对3种龙胆根部及3种龙胆叶片进行明显的区分;PLS-DA分析及聚类分析结果显示在龙胆、三花龙胆、条叶龙胆根部发现了58种差异代谢物,叶片中发现了46种差异代谢物,其中大部分代谢物在龙胆中的积累量高于三花龙胆及条叶龙胆。通过KEGG富集通路分析发现L-脯氨酸和L-丙氨酸均参与了ABC转运蛋白途径,且这2种代谢物在龙胆根部及叶片中均表现为上调,龙胆在抗逆性能及抵御外界病菌能力上优于三花龙胆及条叶龙胆,因此累积下来的化学成分含量也高于三花龙胆及条叶龙胆。研究结果为中药龙胆药原植物的开发利用提供了理论依据。
展开更多
关键词
龙胆
三花龙胆
条叶龙胆
代谢组学
GC-MS
下载PDF
职称材料
中文实体关系抽取研究综述
被引量:
17
2
作者
武文雅
陈钰枫
+1 位作者
徐金安
张玉洁
《计算机与现代化》
2018年第8期21-27,34,共8页
作为信息抽取任务中极为关键的一项子任务,实体关系抽取对于语义知识库的构建和知识图谱的发展都有着重要的意义。对于中文而言,语义关系更加复杂,实体关系抽取的作用也就愈加显著,因此,对中文实体关系抽取的研究方法进行详细考察极为...
作为信息抽取任务中极为关键的一项子任务,实体关系抽取对于语义知识库的构建和知识图谱的发展都有着重要的意义。对于中文而言,语义关系更加复杂,实体关系抽取的作用也就愈加显著,因此,对中文实体关系抽取的研究方法进行详细考察极为必要。本文从实体关系抽取的产生和发展开始,对目前基于中文的实体关系抽取技术现状作了阐述;按照关系抽取方法对语料的依赖程度分为4类:有监督的实体关系抽取、无监督的实体关系抽取、半监督的实体关系抽取和开放域的实体关系抽取,并对这4类抽取方法进行具体的分析和比较;最后介绍深度学习在中文实体关系抽取上的应用成果和发展前景。
展开更多
关键词
中文实体关系抽取
有监督方法
无监督方法
半监督方法
开放域实体关系抽取方法
深度学习
下载PDF
职称材料
基于高层语义注意力机制的中文实体关系抽取
被引量:
1
3
作者
武文雅
陈钰枫
+1 位作者
徐金安
张玉洁
《广西师范大学学报(自然科学版)》
CAS
北大核心
2019年第1期32-41,共10页
实体关系抽取在挖掘结构化事实的信息抽取系统中扮演着重要的角色。近年来,深度学习在关系抽取任务中取得了显著的成果,同时,注意力机制也逐步地融入到神经网络中,进一步提高了关系抽取的性能。但是,目前的注意力机制主要关注一些低层...
实体关系抽取在挖掘结构化事实的信息抽取系统中扮演着重要的角色。近年来,深度学习在关系抽取任务中取得了显著的成果,同时,注意力机制也逐步地融入到神经网络中,进一步提高了关系抽取的性能。但是,目前的注意力机制主要关注一些低层次的特征,比如词汇等。本文提出一种基于高层语义注意力机制的分段卷积神经网络模型(PCNN_HSATT,high-level semantic attention-based piecewise convolutional neural networks),该模型将注意力机制设置在分段最大池化层后,动态地关注了高层次的语义信息。除此之外,由于中文实体关系语料稀疏性较大,本文利用同义词词林对COAE2016语料进行增强以扩大数据规模。最后在COAE2016和ACE2005的中文语料上进行实验,F1值分别达到了78.41%和73.94%,与效果最好的SVM方法相比分别提高了10.45%和0.67%,这充分证明了PCNN_HSATT模型在中文关系抽取上的有效性。
展开更多
关键词
关系抽取
卷积神经网络
注意力机制
数据增广
依存句法约束
下载PDF
职称材料
题名
基于GC-MS的3种龙胆属植物的代谢差异分析
1
作者
武文雅
吴可心
张迈
穆立蔷
机构
东北林业大学林学院
出处
《西北林学院学报》
CSCD
北大核心
2023年第6期203-210,共8页
基金
国家科技基础性资源专项(2019FY100505)。
文摘
为明确中药龙胆的可入药植物即龙胆、三花龙胆及条叶龙胆根部活性成分的差异及3种龙胆的叶片是否具有开发利用价值,通过气相色谱-质谱联用(GC-MS)技术进行相关代谢物数据采集,根据非靶向代谢组学对3种龙胆根部及叶片的化学组成成分进行研究。采用无监督模式的主成分分析(PCA)、单变量与多元统计分析相结合的偏最小二乘法(PLS-DA)分析和差异代谢物相对含量的聚类分析。结果表明,PCA可对3种龙胆根部及3种龙胆叶片进行明显的区分;PLS-DA分析及聚类分析结果显示在龙胆、三花龙胆、条叶龙胆根部发现了58种差异代谢物,叶片中发现了46种差异代谢物,其中大部分代谢物在龙胆中的积累量高于三花龙胆及条叶龙胆。通过KEGG富集通路分析发现L-脯氨酸和L-丙氨酸均参与了ABC转运蛋白途径,且这2种代谢物在龙胆根部及叶片中均表现为上调,龙胆在抗逆性能及抵御外界病菌能力上优于三花龙胆及条叶龙胆,因此累积下来的化学成分含量也高于三花龙胆及条叶龙胆。研究结果为中药龙胆药原植物的开发利用提供了理论依据。
关键词
龙胆
三花龙胆
条叶龙胆
代谢组学
GC-MS
Keywords
Gentiana scabra
Gentiana triflora
Gentiana manshurica
metabonomics
GC-MS
分类号
Q949.776 [生物学—植物学]
下载PDF
职称材料
题名
中文实体关系抽取研究综述
被引量:
17
2
作者
武文雅
陈钰枫
徐金安
张玉洁
机构
北京交通大学计算机与信息技术学院
出处
《计算机与现代化》
2018年第8期21-27,34,共8页
基金
国家自然科学基金资助项目(61473294
61370130)
+1 种基金
北京市自然科学基金资助项目(4172047)
中央高校基本科研业务费专项资金资助项目(2015JBM033)
文摘
作为信息抽取任务中极为关键的一项子任务,实体关系抽取对于语义知识库的构建和知识图谱的发展都有着重要的意义。对于中文而言,语义关系更加复杂,实体关系抽取的作用也就愈加显著,因此,对中文实体关系抽取的研究方法进行详细考察极为必要。本文从实体关系抽取的产生和发展开始,对目前基于中文的实体关系抽取技术现状作了阐述;按照关系抽取方法对语料的依赖程度分为4类:有监督的实体关系抽取、无监督的实体关系抽取、半监督的实体关系抽取和开放域的实体关系抽取,并对这4类抽取方法进行具体的分析和比较;最后介绍深度学习在中文实体关系抽取上的应用成果和发展前景。
关键词
中文实体关系抽取
有监督方法
无监督方法
半监督方法
开放域实体关系抽取方法
深度学习
Keywords
Chinese entity relation extraction
supervised method
unsupervised method
semi-supervised method
open domain entity relation extraction method
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于高层语义注意力机制的中文实体关系抽取
被引量:
1
3
作者
武文雅
陈钰枫
徐金安
张玉洁
机构
北京交通大学计算机与信息技术学院
出处
《广西师范大学学报(自然科学版)》
CAS
北大核心
2019年第1期32-41,共10页
基金
国家自然科学基金(61473294
61370130)
+1 种基金
北京市自然基金(4172047)
中央高校基本科研业务费专项资金(2015JBM033)
文摘
实体关系抽取在挖掘结构化事实的信息抽取系统中扮演着重要的角色。近年来,深度学习在关系抽取任务中取得了显著的成果,同时,注意力机制也逐步地融入到神经网络中,进一步提高了关系抽取的性能。但是,目前的注意力机制主要关注一些低层次的特征,比如词汇等。本文提出一种基于高层语义注意力机制的分段卷积神经网络模型(PCNN_HSATT,high-level semantic attention-based piecewise convolutional neural networks),该模型将注意力机制设置在分段最大池化层后,动态地关注了高层次的语义信息。除此之外,由于中文实体关系语料稀疏性较大,本文利用同义词词林对COAE2016语料进行增强以扩大数据规模。最后在COAE2016和ACE2005的中文语料上进行实验,F1值分别达到了78.41%和73.94%,与效果最好的SVM方法相比分别提高了10.45%和0.67%,这充分证明了PCNN_HSATT模型在中文关系抽取上的有效性。
关键词
关系抽取
卷积神经网络
注意力机制
数据增广
依存句法约束
Keywords
relation extraction
convolutional neural networks
attention mechanism
data augmentation
dependency syntax constraint
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GC-MS的3种龙胆属植物的代谢差异分析
武文雅
吴可心
张迈
穆立蔷
《西北林学院学报》
CSCD
北大核心
2023
0
下载PDF
职称材料
2
中文实体关系抽取研究综述
武文雅
陈钰枫
徐金安
张玉洁
《计算机与现代化》
2018
17
下载PDF
职称材料
3
基于高层语义注意力机制的中文实体关系抽取
武文雅
陈钰枫
徐金安
张玉洁
《广西师范大学学报(自然科学版)》
CAS
北大核心
2019
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部