基于深度学习的艺术类论文分类方法研究

艺术类论文是论述艺术创新思想的涵盖音乐、舞蹈、美术和戏剧等学科的论文。以艺术类论文分类为目的,解决了以下两大难题:一个是没有大量的细分类论文语料库,以及语料的不足导致系统性能下降;另一个是参与分类任务的输入文本较短,无法提取有用的语义特征。具体地,构建数据集,通过基于弱监督同义词替换方法增强数据集;训练并测试基于类别关键词注意力机制的神经网络模型。通过实验证明,关键词的注意力矩阵能够强化论文摘要表达的语义信息,在艺术类论文分类任务中效果较好,该方法也可以在其他领域中应用。

哈萨克语动词短语自动识别研究与实现

由于哈萨克语基本动词短语Kz Base VP的组成结构比较复杂,并且存在歧义情况和训练语料规模不够大等问题,所以既不能直接使用基于规则的方法,又不能直接使用基于统计的方法来进行处理。所以提出了一种规则与最大熵相结合的方法对哈萨克语基本动词短语(Kz Base VP)进行识别。在该混合策略系统中,根据专属Kz Base VP的特点构建了Kz Base VP搭配规则集,通过规则集对无歧义的Kz Base VP进行标注,其正确率为85.43%;运用基于统计的最大熵模型对存在歧义的Kz Base VP进行识别,根据哈萨克语的单词、词性、词缀和上下文信息等来设计最大熵模型的特征模板,并对模型进行了改进,在解码中选取概率最大的前n个上下文信息分别加入到下一个VP的特征向量中,以此类推直至文本结束,最终选出一条概率最优的VP标注。实验证明,在封闭和开发测试条件下对基本动词短语的识别准确率分别为97.23%和93.22%。