基于截断历史注意力的商品评论属性词抽取框架

针对传统的属性词抽取模型难以有效抽取隐式属性词,导致属性词抽取不完整的问题,提出了一种基于截断历史注意力机制的商品评论属性词抽取框架THA-BiLSTM-CRF.首先,利用CBOW模型预处理文本,获得包含语义信息的词向量;然后,通过BiLSTM模型抽取文本特征;接着,引入截断历史注意力机制,建立包含属性词和单词间映射关系的词库,获取单词间的隐式关系;最后,通过CRF算法抽取隐式属性词。实验结果表明,该框架可以有效抽取隐式属性词,提高了属性词抽取的完整度。

基于自适应蜂群优化的DBSCAN聚类算法

针对传统的DBSCAN(Density-Based Spatial Clustering of Application with Noise,DBSCAN)聚类算法全局参数设置不合理、参数选取困难、无法识别重叠模块的问题,以及人工蜂群优化算法(Artificial Bees Colony,ABC)后期收敛速度慢、易陷入局部最优等缺陷进行了研究,提出一种基于自适应人工蜂群优化DBSCAN的聚类算法IABC-DBSCAN。该算法将截断选择机制与锦标赛选择机制相结合,提出一种截断-锦标赛选择机制(Truncation-Championship Selection Mechanism,TCSM),以增强种群多样性、避免跟随蜂选择蜜源陷入局部最优的缺陷;提出一种自适应步长策略(Adaptive Step Strategy,ASS)动态调整跟随蜂的搜索方式,以提高算法局部搜索能力和聚类速度;根据改进的IABC算法动态调节DBSCAN算法中的最优参数,将蜜源位置对应ε邻域,蜜源的适应度大小对应DBSCAN的聚类效果,并在多种测试函数和数据集上进行验证。实验结果表明,该算法不仅有效克服ABC和DBSCAN算法的缺陷,且正确率和召回率均有较大提高。

基于多元软可靠度的LDPC译码研究

与二元LDPC(low-density parity-check,LDPC)码相比多元LDPC码具有一些优势,但它们的译码复杂度高是实现过程中的一个重大挑战。根据多元LDPC码存在的这个问题,提出了基于迭代软可靠度的比例逻辑截断机制算法,该算法仅涉及有限域加法和乘法以及整数运算,并且它可将变量节点划分为处理和非处理节点两部分,在迭代过程中只有部分变量节点参与实际的信息处理,因此具有较低的译码复杂度。通过与ISRB、IISRB及RS-IISRB算法进行仿真对比试验,所提算法具有更好的性能。由于该算法纠错性能好、复杂度较低的优点使其在无线通信与光通信等领域有更广泛的应用。