结合注意力机制和本体的远程监督关系抽取

关系抽取是从非结构化的文本中抽取关系,并以结构化的形式输出。为了提高抽取准确性并降低对人工标注的依赖,提出了基于注意力机制和本体的远程监督关系抽取模型(APCNNs+OR)。该模型分为特征工程提取模块、分类器模块、本体约束层。在分类器模块中,引入并改进了实例级注意力机制,更好地学习数据袋中每个句子的权重,有效地降低了远程监督假设引入的噪声干扰及句子中实体间的词语信息干扰。在本体约束层,通过引入领域本体对抽取结果进行约束,提高了抽取关系的准确性。SemMed和GoldStandard语料实验结果表明,该模型可有效降低错误标签的噪声干扰,比现有模型具有更好的关系抽取性能。

基于AHP的大学校园交通安全定量评价研究

以校园交通安全主要影响因素为研究对象,旨在从定量评价的角度出发确定各因素对大学校园交通安全的影响程度,建立适用于当前大学校园的交通安全评价指标体系,并通过AHP法确定权重,力图为下一步建立模型定量计算大学校园各路段交通安全指数提供参照。

基于加乘混合模型的校园交通安全定量评价及优化措施——以东北林业大学为例

随着我国居民机动车保有量的快速增长,大学校园中机动车与行人的冲突日益显著。现有大学校园交通安全研究普遍仅从定性分析入手,本文以定量评价大学校园交通安全为目的,根据现行国家标准及校园交通状况确定各指标量化方法,并采用加乘混合模型,以东北林业大学为例进行综合交通安全指数及各指标的定量评价,旨在根据数据有针对性地提出校园交通安全优化措施,以期为从规划与管理角度提升大学校园交通安全水平提供参照。