基于深度神经网络的命名实体识别方法研究

针对中文社交媒体命名实体识别的特征提取不充分问题,文章提出一种基于深度神经网络、结合长短时记忆和注意力模型的命名实体识别方法。一条社交媒体文本信息等价于一个字符序列,因此,首先将其中每个字符转化为对应的字向量;其次,利用长短时记忆处理转化后的字向量序列来提取文本全局特征;然后,利用注意力模型处理前一步输出的文本全局特征向量序列,进一步提取文本局部特征;最后,利用线性链式条件随机场根据文本全局和局部特征向量序列进行命名实体标注,获得命名实体识别结果并输出。实验结果表明,文中方法与基线算法及当前优良算法相比,其F-测度值高于其他对比方法。

FAHP-CRITIC欺骗干扰设备效能评估仿真分析

为了分析欺骗干扰设备的工作情况,改善干扰决策和参数,需要对干扰效果进行监视和评估,现有方法具有一定的主观性且忽视指标间关联性和指标自身波动性。提出一种模糊层次分析法(FAHP)-冲突相关性赋权法(CRITIC)欺骗干扰设备效能评估方法,先建立多层级指标体系,接下来对指标值进行等极化处理,然后使用CRITIC法为指标客观赋权,最后使用模糊综合评判法确定效能评分。计算机仿真分析结果表明该方法的有效性和实用性。