-
题名电力客户需求高适配性关联抽取算法
- 1
-
-
作者
潘晖
赵岩
李麟
徐可
李景顺
-
机构
广西电网有限责任公司南宁供电局
-
出处
《太赫兹科学与电子信息学报》
2023年第10期1257-1262,共6页
-
文摘
为了准确、高效地分析电力客户需求,从而降低电力企业成本,提高电力服务的产品附加值,基于层次分析法,计算条件属性重要度,构建优先关系矩阵,结合模糊关系判断尺度,确定电力客户需求权重。度量决策树节点纯度,分别对离散型节点变量与连续型节点变量进行指标分析,判断电力客户需求权重的准确性。建立电力客户需求关联抽取模型,获取电力客户需求用户画像,将信息区分值作为区分变量能力强弱的指标,计算不同变量之间的相关系数,设计关联抽取算法,得到电力客户关联结果。该方法在高、中、低3种频率中,虽其平均绝对百分比误差(MAPE)值不断升高,且随着关联层次的增加而逐渐递增,但整体依旧较低,判断电力客户需求权重的准确性较高。
-
关键词
层次分析
决策树算法
电力客户需求分析
高适配性
关联抽取
-
Keywords
Analytic Hierarchy Process
decision tree algorithm
power customer demand analysis
high adaptability
association extraction
-
分类号
TB497
[一般工业技术]
-
-
题名面向疾病相关关联抽取的深度语义特征研究
被引量:2
- 2
-
-
作者
康旭琴
吴偶
王磊
张音
杨帅
-
机构
军事医学科学院卫生勤务与医学情报研究所
天津大学应用数学中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第8期260-264,共5页
-
基金
国家重点研发计划课题(No.2016YFC09019002)
北京市科技计划课题(No.Z171100003217038)
-
文摘
从大量生物医学文献中找出影响疾病的有利因素和有害因素对于疾病的防治研究方向有着重要参考意义。然而,识别疾病影响因素的二分类问题在用传统的机器学习方法进行分类时正确率提升到一定水平后遇到瓶颈难以继续提高。为了提高生物医学领域二分类问题模型的分类性能,利用对于疾病有利和有害的两种因素,采用基于卷积神经网络与支持向量机(SVM)相结合的方法,最终达到超过传统机器学习的性能,使分类的准确率从SVM最佳的90.44%提升到94.38%,从而更好地识别疾病的影响因素。
-
关键词
关联抽取
分类问题
深度学习
机器学习
卷积神经网络
支持向量机
-
Keywords
relation extraction
classification problem
deep learning
machine learning
convolutional neural network
Support Vector Machine(SVM)
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-
-
题名疾病相关基因-药物关联抽取规程设计
- 3
-
-
作者
康旭琴
张音
杨帅
王磊
-
机构
军事医学科学院卫生勤务与医学情报研究所
-
出处
《中国卫生信息管理杂志》
2018年第2期156-160,共5页
-
基金
国家重点研发计划项目课题"精准医学文本知识网络构建"(课题编号:2016YFC09019002)
北京市科技计划课题"2017年精准医学发展前沿跟踪及预测研究"(课题编号:Z171100003217038)
-
文摘
目的立足于信息科学,面向疾病靶向药物研发,进行疾病相关基因-药物关联抽取,致力于发现新的基因-药物关联,为新药研发提供科学假设。方法具体从疾病相关的基因-药物关系类型界定、关联抽取方法对比筛选、优选方法在研究问题中的实现、方法评价及知识发现等4个方面展开论述。结果形成了疾病相关基因-药物关联抽取的规范化流程,促进疾病靶向药物研发。
-
关键词
基因
药物
关联抽取
语料构建
深度学习
-
Keywords
Gene
Drug
Relation extraction
Corpus construction
Deep learning
-
分类号
R194
[医药卫生—卫生事业管理]
R-34
[医药卫生]
-
-
题名基于多任务学习的文本信息关联性抽取仿真
- 4
-
-
作者
赵金币
琚理
-
机构
华北理工大学
-
出处
《计算机仿真》
北大核心
2023年第1期315-318,377,共5页
-
文摘
存在逻辑标签文本信息具有关联性特征,在关联性抽取过程中,逻辑标签转化为信息实体关系时易出现信息混乱问题,导致抽取次数较少、关联性获取不全面。针对上述问题,设计基于多任务学习的文本信息关联性抽取方法。采用解码模块输出文本信息内逻辑标签,抽取文本信息实体关系,使用分词工具将医院内网文档标记为在线文本和临床文本形式。搭建多任务学习的关联框架,实现关联性抽取。关联处理医院内网信息,准备基于深度学习的关联性抽取方法、基于知识图谱的文本信息关联性抽取。仿真测试结果表明:所设计方法的抽取次数最多,可全面获取文本信息之间的关联性,应用效果最为理想。
-
关键词
多任务学习
文本信息
关联性抽取
逻辑标签
信息实体关系
仿真编码
-
Keywords
Multi-task learning
Text information
Relation extraction
Logic tag
Information entity relation
Emulation code
-
分类号
TN929.5
[电子电信—通信与信息系统]
-
-
题名软件工程关联数据的自动构建
被引量:3
- 5
-
-
作者
张宇臣
沈备军
-
机构
上海交通大学电子信息与电气工程学院
-
出处
《计算机应用》
CSCD
北大核心
2016年第3期758-764,769,共8页
-
基金
国家973计划项目(2015CB352203)
国家自然科学基金资助项目(61472242)~~
-
文摘
针对目前在分布异构的大规模软件开发中难以高效地知晓信息和发现知识的问题,将语义网引入软件工程领域,对多源异构数据进行细粒度语义关联,提出本体构建、关联抽取和发现的方法,实现基于本体的软件工程关联数据的自动构建。该方法对软件工程本体进行概念抽取、合并、实例消解和属性消歧,从软件仓库结构化数据集中抽取出完整无冗余的关联数据;并采用同义词、动宾短语和结构关系三个特征利用自然语言处理(NLP)技术和信息检索(IR)技术从软件仓库中发现潜在的关联数据。实验结果表明,所提出的方法能从分布式软件工程数据集中自动构建和融合生成软件工程本体,并有效地发现潜在的关联数据将其扩充到软件工程本体中;与Baseline、Phraing和O-CSTI三种方法相比,关联数据发现的召回率、精准率和F值都有显著提高。
-
关键词
软件工程关联数据
软件工程本体
本体构建
关联数据抽取
关联数据发现
-
Keywords
software engineering linked data
software engineering ontology
ontology construction
linked data extraction
linked data recovery
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名对频集发现算法Apriori的研究
被引量:1
- 6
-
-
作者
董海棠
冯中毅
-
机构
兰州交通大学机电与动力工程学院
兰州师范高等专科学校计算机科学教育系
-
出处
《甘肃联合大学学报(自然科学版)》
2005年第2期27-30,共4页
-
文摘
在分析已有关联规则和挖掘算法的基础上,对频集发现算法Apriori进行了研究,详细地论述了该算法的实现过程及所涉及的诸多问题,并对该算法的缺点及如何优化进行了较为深入的讨论.
-
关键词
数据挖掘
关联规则特征抽取
APRIORI算法
-
Keywords
data mining
association rule extract character
apriori algorithm
-
分类号
TP311.12
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于数据挖掘的产业技术演化路径识别方法研究
- 7
-
-
作者
和志强
王梦雪
马宁
刘院英
-
机构
河北经贸大学信息技术学院
-
出处
《河北省科学院学报》
CAS
2022年第4期8-13,共6页
-
基金
河北省省级科技计划资助项目(19210105D)。
-
文摘
开展产业技术演化路径的识别与分析,对整体把握产业技术发展态势、促进区域经济发展具有重要的现实意义。为识别产业技术演化路径,提出了一种基于专利文献数据挖掘的技术演化路径识别方法。该方法采用主题模型提取技术主题与技术关键词,同时抽取各技术主题的代表性专利。并在此基础上,利用专利间相似度来发现专利间关联关系实现技术演化路径识别。通过选取塑料包装产业相关专利进行实证研究,表明该方法能够有效提取产业相关技术的代表性技术并识别其演化路径。
-
关键词
技术演化
主题抽取
TextRank
关键词提取
关联关系抽取
-
Keywords
Technology evolution
Topic extraction
TextRank
Keyword extraction
Relation extraction
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-