-
题名面向综合作业调度的簇群优化算法
- 1
-
-
作者
隗昊
李正光
陈恒
李远刚
-
机构
大连外国语大学软件学院
大连外国语大学一带一路城市与区域发展研究院
-
出处
《信息技术与信息化》
2024年第4期81-84,共4页
-
基金
辽宁省高等学校基本科研项目“基于异构图知识嵌入的生物医学实体关系抽取研究”(LJKMZ20221550)。
-
文摘
传统遗传算法不仅易出现早熟现象,而且计算实际应用中的大规模综合作业调度解效率较差。通过研究遗传编码规律和并行计算原理,提出了一种簇群并行遗传算法。利用簇群抱团思想对种群进行划分,将划分后的种群分布到不同的并行机上运行,以此提高初始种群的多样性,保证算法的执行效率和搜索空间。同时,设计了一种动态种群调整策略,在各“簇”种群趋于局部最优时自动调整种群结构,从而达到全局收敛。在FT10问题和一组综合作业调度数据上的仿真结果表明,算法在保证寻优速度的同时提高了解的稳定性。
-
关键词
早熟现象
编码规律
并行遗传算法
簇群
全局收敛
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名东北亚舆情文本细粒度命名实体识别方法研究
- 2
-
-
作者
隗昊
刁宏悦
孔亮宸
邓耀臣
-
机构
大连外国语大学软件学院
大连外国语大学中国东北亚语言研究中心
大连外国语大学辽宁省新文科数字人文创新实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2024年第5期354-362,共9页
-
基金
辽宁省高等学校基本科研项目(LJKQZ20222451)。
-
文摘
东北亚地区的国际形势变化与中国的发展密切相关,面向该地区构建舆情信息知识图谱可以有效地监测舆情热点,这不仅能够引导社会舆论健康发展及协助政府决策,而且对防范政治营销、提升国家语言能力、构建和谐稳定国际关系具有重大价值。命名实体识别是构建知识图谱的关键技术和核心任务,受到研究者广泛的关注。以社交媒体、门户网站与东北亚地区相关的实时热点舆情文本作为数据源,充分考虑到东北亚地区的区域特点和地缘结构,建立包含10个大类、35个子类的细粒度命名实体识别数据集,并提出基于预训练语言模型Ro BERTa和多层残差BiL STM-CRF架构(Ro BERTa-Res BiLSTM-CRF)的舆情实体识别模型,同时在模型完成标签预测后设计基于规则模板的后处理策略,以提高整体的实体识别性能。实验结果表明,所提出的舆情命名实体识别模型的性能优于主流的传统神经网络模型,验证了该方法的有效性。
-
关键词
细粒度
命名实体识别
舆情文本
深度学习
预训练语言模型
-
Keywords
fine-grained
Named Entity Recognition(NER)
public opinion texts
deep learning
pre-trained language models
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向东北亚地区的军事舆情文本关系抽取方法
- 3
-
-
作者
隗昊
金百川
-
机构
大连外国语大学软件学院
大连外国语大学中国东北亚语言研究中心
-
出处
《信息技术与信息化》
2024年第6期15-18,共4页
-
基金
辽宁省高等学校基本科研项目“基于事理图谱的东北亚多语言文本舆情监测方法研究”(LJKQZ20222451)。
-
文摘
随着信息技术的迅速发展,军事舆情监测在地区安全与国际关系中扮演着愈发重要的角色。东北亚地区作为全球政治、经济和安全格局的重要支点,面向该地区构建军事舆情知识图谱能够有效地分析和观测舆情热点,对于协助政府决策、构建和谐稳定的国际关系具有重大价值。关系抽取是构建知识图谱的关键技术和核心任务,受到研究者们广泛的关注。以新闻网站中与东北亚地区相关的军事舆情文本作为数据源,建立包含7种实体类型、11种关系类型的东北亚军事舆情实体关系数据集,并提出基于BERTCapsNet架构的舆情关系抽取模型。实验结果表明,所提出的方法在所构建的舆情实体关系数据集上具有较高的准确率和召回率,能够有效地识别出文本中的实体关系,为后续的军事舆情监测提供了有力的数据支持和技术支撑。
-
关键词
东北亚地区
军事舆情
关系抽取
深度学习
预训练语言模型
-
分类号
G20
[文化科学—传播学]
-
-
题名基于双路分段注意力神经张量网络的临床文本关系抽取
- 4
-
-
作者
隗昊
唐焕玲
周爱
张益嘉
陈飞
鲁明羽
-
机构
大连外国语大学软件学院
大连海事大学信息科学技术学院
山东工商学院计算机科学与技术学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第3期658-665,共8页
-
基金
国家自然科学基金(No.61976124,No.62072070)。
-
文摘
目前,生物医学领域的关系提取工作已经取得了长足的发展,但是在面对句式复杂的临床医学文本时,由于存在大量长句以及句中实体对的高密度分布,限制了当前关系抽取模型性能的进一步提升.本文提出了一种基于张量权重矩阵的双向门控循环单元网络(Tensor-based Bidirectional Gated Recurrent Unit,Tensor-BiGRU)和分段注意力机制的关系抽取模型,基于张量权重矩阵改进BiGRU网络的编码方式,提升神经网络捕获底层特征的能力,而后提出了两种分段注意力机制,以提高模型捕获长句特征的性能.此外,当句子中有多个实体对时,引入实体对的语义信息特征来克服模型的性能下降.本文进一步提出一种权重自适应的交叉熵损失函数,用于提升模型面对数据集中不同关系类别的样本分布不平衡问题的泛化性.实验结果表明,在不依赖任何特征工程和高性能运算环境的情况下,本文模型在2010 i2b2/VA临床关系抽取数据集上实现了先进的性能.
-
关键词
关系抽取
临床文本
神经张量网络
分段注意力机制
样本不平衡
-
Keywords
relation extraction
clinical texts
neural tensor network
piecewise attention mechanism
sample imbalance
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名面向时钟领域的BERT-LCRF命名实体识别方法
被引量:3
- 5
-
-
作者
唐焕玲
王慧
隗昊
赵红磊
窦全胜
鲁明羽
-
机构
山东工商学院计算机科学与技术学院
山东工商学院信息与电子工程学院
山东省高等学校协同创新中心:未来智能计算
山东省高校智能信息处理重点实验室(山东工商学院)
大连海事大学信息科学技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2022年第18期218-226,共9页
-
基金
国家自然科学基金(61976124,61976125,61773244,61772319)。
-
文摘
命名实体识别是构建时钟领域知识图谱的关键步骤,然而目前时钟领域存在标注样本数量少等问题,导致面向时钟领域的命名实体识别精度不高。为此,利用预训练语言模型BERT进行时钟领域文本的特征提取,利用线性链条件随机场(Linear-CRF)方法进行序列标注,提出了一种BERT-LCRF的命名实体识别模型。对比实验结果表明,该模型能够充分学习时钟领域的特征信息,提升序列标注精度,进而提升时钟领域的命名实体识别效果。
-
关键词
命名实体识别
预训练语言模型
条件随机场
自注意力机制
深度学习
-
Keywords
named entity recognition
pre-training language model
conditional random field
self-attention mechanism
deep learning
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
-
题名深度学习生物医学实体关系抽取研究综述
被引量:2
- 6
-
-
作者
隗昊
周爱
张益嘉
陈飞
屈雯
鲁明羽
-
机构
大连海事大学信息科学技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第21期14-23,共10页
-
基金
国家自然科学基金(61976124,62072070)。
-
文摘
随着生命科学技术的发展,生物医学领域文献呈指数级增长,如何从海量文献中挖掘、抽取有价值的信息成为生物医学领域新的研究契机。作为信息抽取的核心技术,命名实体识别和关系抽取成为生物医学文本挖掘的基础和关键,其主要工作为识别生物医学文本中的实体,并提取实体间存在的生物医学语义关系。当前深度学习技术在各领域自然语言处理任务中取得了长足的发展,旨在总结基于神经网络的生物医学实体识别和关系抽取的方法,从概念、进展、现状等多角度全面阐述各项技术在生物医学领域的发展历程,进一步明确生物医学文本信息抽取工作的探索方向。
-
关键词
生物医学
信息抽取
命名实体识别
关系抽取
深度学习
-
Keywords
biomedical
information extraction
named entity recognition
relation extraction
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于OWL的民族节日领域本体的构建研究
被引量:5
- 7
-
-
作者
隗昊
孙瑜
-
机构
云南师范大学信息学院
-
出处
《信息技术与信息化》
2016年第11期87-89,共3页
-
文摘
少数民族节日是民族发展过程中创造并传承下来的精神财富,更是民族文化不可或缺的一部分。本文利用本体技术的优势,从少数民族节日出发,借鉴领域本体的相关理论,基于CIDOC CRM概念模型构建了民族节日领域本体,并利用OWL语言对其进行形式化描述。本文主要内容为介绍民族节日领域本体的范围、知识采集整理、基于OWL语言的类、子类、属性、个体及关系描述以及领域本体的实现等。民族节日领域本体是本体技术在中国非物质文化遗产领域中应用的尝试。
-
关键词
本体
OWL
民族节日
CIDOC
CRM
PROTÉGÉ
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-