基于知识图谱的命名实体消歧方法研究

该文提出一种基于知识图谱的面向英文命名实体的消歧方法,该方法提取英文维基百科文章的简介部分,对简介部分预处理之后,使用SpaCy库来识别简介中的所有命名实体,接着利用锚文本频率和simHash两种方法实现候选集的生成,为了证明该方法的有效性,本文构建相应模型,将文本中的词转化为词向量输入双向LSTM,将其输出与知识图谱向量,一起作为前馈神经网络的输入,最终得到对应的真实实体。最后,在一个小规模测试集上进行了实验,与基准相比,准确率提高了8%。

区域交通规划模型及应用系统的设计研究

为了有效推动我国城市交通规划建设的科学性和有效性,为相关交通管理部门提供重要的决策基础,本文对区域交通规划模型以及应用系统的设计进行了分析和探索。在原本的交通统计工作的基础之上,实现了交通规划模型数据库的有效优化,同时对区域交通规划模型的具体应用进行了分析和探索,不断提高交通规划工作的先进性和合理性。

基于深层神经网络(DNN)的汉-越双语词语对齐方法

针对汉-越双语因语言特点差异较大而导致难以实现词语自动对齐的问题,提出了一种基于深层神经网络(deep neural network,DNN)的汉-越双语词语对齐方法。该方法先将汉-越双语词语转化成词向量,作为DNN模型的输入,再通过调整和扩展HMM模型,并融入上下文信息,构建DNN-HMM词语对齐模型。实验以HMM模型和IBM4模型为基础模型,通过大规模的汉-越双语词语对齐任务表明,该方法的准确率、召回率较两个基础模型都有明显的提高,而词语对齐错误率大大降低。