基于标签信息融合与多任务学习的中文命名实体识别

随着中文命名实体识别研究的不断深入,大多数模型关注融入词汇或字形信息来丰富特征表示,但是却忽略了标签信息。因此文中提出了一种融合标签信息的中文命名实体识别模型。首先,通过预训练模型BERT-wwm得到字符的嵌入表示,并将标签向量化,使用Transformer解码器结构将字符表示与标签表示进行交互学习,捕捉字符与标签的相互依赖关系,丰富字符的特征表示。为了促进标签信息的学习,构建了基于文本句的监督信号,增加了多标签文本分类任务,采用多任务学习的方式进行训练。其中,命名实体识别任务采用条件随机场进行解码预测,多标签文本分类任务采用双仿射机制进行解码预测,两任务共享除解码层以外的所有参数,保证了不同的监督信息反馈到每个子任务。在公开数据集MSRA,Weibo和Resume上进行了多组对比实验,分别获得了95.75%,72.17%,96.23%的F1值。与多个基准模型相比,所提模型的实验效果有一定的提升,证明了该模型的有效性与可行性。

融合标签信息的分层图注意力网络文本分类模型

目前基于分层图注意力网络的单标签文本分类任务存在2方面不足:一是不能较好地对文本特征进行提取;二是很少有研究通过文本与标签之间的联系进一步凸显文本特征。针对这2个问题,提出一种融合标签信息的分层图注意力网络文本分类模型。该模型依据句子关键词与主题关联性构建邻接矩阵,然后使用词级图注意力网络获取句子的向量表示。该模型是以随机初始化的目标向量为基础,同时利用最大池化提取句子特定的目标向量,使得获取的句子向量具有更加明显的类别特征。在词级图注意力层之后使用句子级图注意力网络获取具有词权重信息的新文本表示,并通过池化层得到文本的特征信息。另一方面利用GloVe预训练词向量对所有文本标注的标签信息进行初始化向量表示,然后将其与文本的特征信息进行交互、融合,以减少原有特征损失,得到区别于不同文本的特征表示。在R52、R8、20NG、Ohsumed及MR 5个公开数据集上的实验结果表明,该模型的分类准确率明显优于其它主流基线模型的。

基于未标签信息主动学习算法的高光谱影像分类

针对高光谱遥感影像分类中,传统的主动学习算法仅利用已标签数据训练样本,大量未标签数据被忽视的问题,提出一种结合未标签信息的主动学习算法。首先,通过K近邻一致性原则、前后预测一致性原则和主动学习算法信息量评估3重筛选得到预测标签可信度高并具备一定信息量的未标签样本;然后,将其预测标签当作真实标签加入到标签样本集中;最后,训练得到更优质的分类模型。实验结果表明,与被动学习算法和传统的主动学习算法相比,所提算法能够在同等标记的代价下获得更高的分类精度,同时具有更好的参数敏感性。

食品标签信息对消费者购买决策的影响研究——以婴幼儿食品为例

基于Hicks消费者剩余的CV形式,构建信息关注度、信息源信任度、信息充分度的Logit食品标签信息影响决策模型。通过在北京市发放问卷并回收、统计数据及分析,研究发现:消费者在购买婴幼儿食品时,对食品标签上的食品生产日期和保质期、营养成分、配料清单、食用指导注意等信息的关注度高,影响显著;对食品品牌、生产厂家及厂址、使用方法及贮藏、安全标识等信息关注度低,影响不显著;消费者对政府机构、婴幼儿医师和学者、亲朋及名人代言等信息源的信任度高,对购买决策影响显著;消费者对非政府机构和食品企业等信息源的信任度低,对购买决策影响不显著;食品标签信息充分度对消费者获得高质量信息、降低风险和提高决策准确度等起到的作用很大;消费者的性别、年龄、收入、受教育程度等对购买决策影响显著;相对于女性而言,食品标签信息对男性消费者的购买决策更有影响。

带标签信息子字典级联学习的复合电能质量扰动识别方法

针对传统字典学习方法的训练样本信号单一、重构效果差等缺点,提出一种带标签信息子字典级联的学习方法,对电能质量扰动信号进行扰动识别。该方法首先对不同类别电能质量扰动测试和训练样本采用主成分分析方法进行降维特征提取,对训练样本添加标签信息,其次对不同类别的电能质量样本训练成冗余子字典并级联成结构化字典,最后将级联的字典优化学习并由冗余误差最小值来判断目标的归属类别。仿真实验结果表明,该方法下的识别效果优于支持向量机(SVM)和稀疏表达分类(SRC),抗噪声鲁棒性更强,在信噪比20 dB以上的环境中电能质量复合扰动识别率达到91.40%以上。

基于标签信息分组的射频识别防碰撞算法

射频识别系统在读取标签时,会因碰撞问题而严重影响识别率,导致系统工作效率降低.为此,文中提出一种基于标签信息分组的射频识别防碰撞算法.该算法根据标签信息将标签划分成若干组,按分组顺序依次识别,通过减少同时响应阅读器命令的标签数量来达到降低标签碰撞概率的目的.文中还对算法中的分组效率和时隙选择问题进行了分析、证明和仿真.结果表明,文中算法能够降低碰撞概率,提高系统的识别效率,其性能优于目前最常用的二叉树算法和ALOHA算法.

基于标签信息的全局流形对齐定位算法

随着WLAN的广泛部署及应用,基于位置指纹的室内定位技术成为研究的热点。针对该技术需要密集布设并采集参考点接收的RSS信号,完成位置标记而带来指纹数据构建繁琐的问题,提出利用部分标签数据,结合实时采集未标记数据,实现多域间高维数据的低维嵌入。在提取低维特征的同时,保持流形的全局结构相似性不变,实现对未标记数据的位置解算。实验结果表明,在同一定位环境下,本算法具有较好的定位精度,能够满足目前对室内定位的需求。

融合社交和标签信息的隐语义模型推荐算法

为了提高隐语义模型在数据稀疏情况下推荐结果的质量,提出一种带有社交正则化项和标签正则化项的隐语义模型.根据用户社交网络和物品标签的信息,设计出描述用户和物品概况的正则化项,并利用用户对物品的历史评分计算得到用户评分偏好,将这三项引入矩阵分解目标函数中,进一步约束目标函数,最后通过梯度下降法去优化模型参数,得到推荐结果.为了验证算法的有效性,在Last.fm数据集上进行实验,实验结果表明,本文算法的推荐质量优于其他传统推荐算法.

基于维度-标签信息的多元情绪回归方法

近年来,情绪分析方法的研究得到了飞跃式的进展,但作为情绪分析研究任务之一的情绪回归任务因语料的匮乏,目前还没有取得突破性的成果。相比情绪分类的研究,情绪回归方法受分类体系的影响较小,更具有泛化性。该文提出了一种基于维度-标签信息的多元情绪回归方法,可以同时预测输入文本在极性、强度和可控性三个维度的分值。该方法利用情绪维度和情绪类别的互信息,具体的方法是尽可能最大化两个不同情绪标签的文本在表示空间中的距离,从而输出与真实值更接近的预测分数。在英文数据集EMOBANK上的实验结果表明,该方法在均方误差和皮尔森相关系数两个指标上取得了显著提升,尤其是在极性和强度这两个维度上有较好的性能表现。

基于条码识别的标签信息智能检索方法

针对传统标签信息检索方法结果准确率低,结果范围涵盖面小等问题,提出一种基于条码识别的标签信息智能检索方法。结合搜索引擎与多个存储服务器,构建标签信息检索架构,在检索架构下进行多源标签信息融合。对融合后的标签信息排序并可视化。以此为基础,从用户交流层、数据应用与数据处理层、数据处理使用层3方面构建智能检索模式图,完成标签信息检索。实验结果表明,所提检索方法具有95%的检索准确率,且检索面范围广,能更好地满足用户需求。

融合标签信息的裁判文书证据抽取方法研究

针对信息抽取中,序列标注模型很难捕获句子的长距离语义而导致输入特征使用不充分,使得在裁判文书中的证据实体抽取上性能较差的问题,提出一种融合标签信息的裁判文书证据抽取方法。首先,将数据的序列标注格式转换为融合标签信息的机器阅读理解格式的三元组;其次,将文本信息与标签信息融合送入BERT预训练模型;最后,设定阈值,通过MLP输出预测的证据实体索引。实验结果表明:在2293篇裁判文书数据集上,论文提出的方法相较于传统序列标注模型,在F1值上提高了1.93%。

基于标签语义信息感知的少样本命名实体识别方法

在少样本命名实体识别方法中,目前广泛应用的方法是基于原型网络的两阶段模型。但是,该方法未充分利用实体标签中的语义信息,且在距离计算中过度依赖实体类型原型向量,导致模型泛化能力差。针对这些问题,提出一种基于标签语义信息感知的少样本命名实体识别方法。该方法是一种先进行实体跨度检测,再判断实体类型的两阶段方法。在构建实体类型原型向量时,将对应实体类型包含的语义信息考虑在内,通过维度转换层将其与原型向量相融合。在对新样本进行实体识别时,将实体类型的正负样本与实体类型原型向量组成实体类型三元组,依据样本到三元组的距离对其进行分类。在多个数据集上的实验结果证明,该模型的性能比以往的模型有较大的提升。

具有性能感知排序的深度监督哈希用于多标签图像检索

现实生活中的图像大多具有多种标签属性。对于多标签图像,理想情况下检索到的图像应该按照与查询图像相似的程度降序排列,即与查询图像共享的标签数量依次递减。然而,大多数哈希算法主要针对单标签图像检索而设计,而且现有用于多标签图像检索的深度监督哈希算法忽略了哈希码的排序性能且没有充分地利用标签类别信息。针对此问题,提出了一种具有性能感知排序的深度监督哈希方法(deep supervised hashing with performance-aware ranking,PRDH),它能够有效地感知和优化模型的性能,改善多标签图像检索的效果。在哈希学习部分,设计了一种排序优化损失函数,以改善哈希码的排序性能;同时,还加入了一种空间划分损失函数,将具有不同数量的共享标签的图像划分到相应的汉明空间中;为了充分地利用标签信息,还鲜明地提出将预测标签用于检索阶段的汉明距离计算,并设计了一种用于多标签分类的损失函数,以实现对汉明距离排序的监督及优化。在三个多标签基准数据集上进行的大量检索实验结果表明,PRDH的各项评估指标均优于现有先进的深度哈希方法。

融合文本内容和标签的中文商品评论情感分类

为了解决目前基于深度学习的情感分析方法对语言知识和标签信息利用不足的问题,本文对基于深度学习的情感分析方法加以改进,提出一种融合文本特征和标签信息的中文文本情感分析方法。该方法首先对文本进行预处理,然后分别使用句法规则和深度学习方法提取文本的特征信息。在句法规则部分,通过构建句法规则提取文本中情感倾向更加明确的信息,并将其与标签描述信息进一步融合,突出情感信息;在深度学习部分,通过结合注意力机制和门控循环神经网络提取文本的高阶特征。最后,将上面两部分提取的特征信息进行融合并使用分类器对其进行分类,得到文本的情感倾向。实验结果表明,与传统情感分析方法相比,使用本文方法进行情感分析的效果更好。

基于云计算的建筑项目施工进度信息集成方法

在对建筑项目施工进度信息进行集成时,由于原始的建筑项目施工进度数据具有多元化的属性特征,导致集成后的施工进度信息精度较低,为此,提出基于云计算的建筑项目施工进度信息集成方法。所提方法先对对建筑项目施工进度数据进行预处理,引入了RFID技术,将原始的施工进度数据转化为以施工原材料为基本单元的形式,并以施工进度为导向,构建了包含名称、类别、电子编码以及对应工程内容的施工材料数据标签信息,后基于云计算设计施工进度信息集成管理模型,按照工程内容对其进行分类处理,对不同材料消耗情况进行统计,结合具体工程内容的设计要求以及实际施工材料的使用总量,实现对施工进度信息集成管理模型的构建。在测试结果中,设计建筑项目施工进度信息集成方法实现了对不同时刻施工进度的准确获取。

“红绿灯”营养信息标签助推低自控者健康决策

采用问卷调查和行为实验相结合的方法,探究自我控制水平对健康决策的影响,并进一步探讨“红绿灯”营养信息标签在其中的助推作用。结果发现,自我控制对健康决策有显著的正向预测作用,同时,“红绿灯”营养信息标签可以有效帮助低自控者做出健康决策。本研究结果不仅对以往相关理论做了有效补充,也对助推低自控者进行健康决策具有指导意义。

基于中间件阻塞思想的RFID标签信息保护方案的研究与实现

附着有RFID标签的物品在运输过程中会被多次扫描,当RFID标签标识符采用有意义的编码方式时,物品属性有可能被接收方以外的第三方读取,带来安全隐患。本文基于标签阻塞方法,提出基于中间件阻塞思想的RFID标签信息保护方案,在中间件层通过识别标签标识符,根据数据处理系统用户的权限进行数据过滤和信息设置,实现在中间件层的数据过滤和安全保护。

产品信息标签的技术诱导效应研究:基于能效标识制度的实证

运用关键词频统计法,构建中国1999-2013年节能节电专利面板数据,以能效标识制度为切入点,从专利数量、相对专利产出和技术重心等指标分析能效标识制度对技术创新的影响,进而考察产品信息标签对技术创新的诱导机制。研究发现:(1)能效等级信号是能效标识制度能否诱导技术创新的关键;(2)能效标识制度对节能节电类专利具有显著正向影响,即能效标识制度对技术创新具有显著诱导效应;(3)能效标识制度不仅能够提升节能节电专利与节水专利之间的比值,而且能够显著提高节能节电专利占所有专利的比例,即该政策导致偏向性技术进步;(4)相对而言,能效标识制度对创新程度较高的发明专利具有更强的诱导效应。为此,完善能效标识制度、推广产品信息标签,有助于引导技术进步,促进社会可持续发展。

采摘机器人自动识别系统研究--基于英文字母多元信息标签

将英文字母多元信息标签应用于采摘机器人选择性采摘作业中,结合英文字母的分割与识别算法,设计了英文字母自动识别系统的硬件平台和软件移植,实现了英语字母多元信息标签自动识别的功能,对水果分等级采摘和分等级存放具有重要的现实意义。

引入标签语义信息的多标签文本分类

针对当前多标签文本分类模型在标签语义信息利用过程中存在文本特征提取不充分、文本特征信息丢失的问题,提出了一种改进标签语义信息嵌入的多标签文本分类模型(label embedding multi label text classifi cation,LEMLTC)。首先利用BERT将待分类文本和标签嵌入成向量,接着将标签向量和文本向量做点乘,然后通过一个注意力层生成文本的注意力向量,从而对文本向量加权,最后通过全连接网络实现多标签文本分类。在AAPD和Reuters-21578数据集上进行实验,F1值分别提高了3.92%和0.3%,证明了该模型在多标签文本分类任务的有效性。