-
题名云模型的隶属概念判定中阈值生成
被引量:5
- 1
-
-
作者
张家精
王焕宝
倪友聪
陈金兰
-
机构
安徽建筑工业学院数理系
安徽建筑工业学院机械与电气工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第24期125-128,共4页
-
基金
安徽省自然科学基金(No.090412057)
安徽高校省级自然科学研究重点项目(No.KJ2009A019Z)
安徽省高等学校省级优秀青年人才基金重点项目(No.2011SQRL113ZD)
-
文摘
在基于云模型的隶属概念判定算法中,人工给定的阈值不能根据对象隶属的多个概念的特征进行调整,从而影响到判定算法的适应性。基于云模型的"3σ规则",提出一种自适应阈值生成算法。由其得到的阈值用于基于云模型的隶属概念判定算法,不仅使得原有的隶属概念判定算法可适用于不同特征的概念,而且使其更加符合人们的认识规律。阈值生成算法在不确定性的定性定量转换方面也具有较高的应用价值。
-
关键词
云模型
隶属概念
不确定性
阈值生成算法
-
Keywords
cloud model
membership concept
uncertainty
algorithm for generating threshold
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
-
题名基于云模型的隶属概念判定算法的改进
被引量:6
- 2
-
-
作者
张家精
王焕宝
陈金兰
倪友聪
-
机构
安徽建筑工业学院数理系
安徽理工大学资管学院
-
出处
《计算机技术与发展》
2007年第10期65-68,共4页
-
基金
安徽2005年硕博科研启动项目(2005110126)
-
文摘
在人工智能领域中,李德毅教授等提出的定性定量不确定性转换模型——云模型,把概念的模糊性和随机性完全集成到一起,构成定性数据和定量数据的相互映射。但是,在利用云模型进行隶属概念的判定的算法中,不论对象是否明确属于某个概念,一律进行不确定性判定,过分地强调了模糊性和随机性。这不符合人类的认识规律,而且增加了算法的时间复杂度,甚至导致隶属概念判定的明显错误。该文根据人类认识规律对上述算法进行了改进。对那些可以明确确定属于某概念的对象,不再进行不确定性判定,直接被认定为属于该概念,只对处于多个概念边缘的不能确定属于某个概念的对象进行不确定性判定,使其符合人类的认识规律,降低了算法的时间复杂度。
-
关键词
云模型
隶属概念
模糊性
随机性
时间复杂度
定性
定量
不确定性
-
Keywords
cloud mode
membership conception
fuzziness
randomicity
time complexity
qualitative
quantitative
uncertainty
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于动态主题模型的舆情本体概念抽取
被引量:3
- 3
-
-
作者
赵美玲
刘胜全
刘艳
郭竹为
符贤哲
-
机构
新疆大学信息科学与工程学院
新疆大学网络与信息中心
新疆大学软件学院
-
出处
《计算机工程与设计》
北大核心
2018年第4期1174-1179,共6页
-
基金
新疆自治区自然科学基金项目(2014211A016)
-
文摘
对现有领域本体学习方法不能直接移植在舆情本体学习方法上的问题进行研究,根据舆情本体的动态主题性提出一种基于动态主题模型的舆情本体概念抽取的方法。结合舆情周期内词语的前驱增速和后继增速提取主题特征词,主题度选取主题词;对主题词通过主题相关度进行聚类,形成主题词簇;对主题词簇下候选概念进行主题概念隶属度的过滤得到舆情本体概念;以上述概念作为种子词寻找左右邻接词得到复合词,过滤得到舆情本体复合概念。实验结果验证了该方法具有更高的准确率和召回率。
-
关键词
舆情本体
动态主题
舆情周期
主题相关度
主题概念隶属度
-
Keywords
public opinion ontology
dynamic topic
public opinion cycle
subject degree
subject concept membership
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于模糊贝叶斯决策的核心概念抽取方法
- 4
-
-
作者
钟寒
徐艺嘉
鹿浩
孙旌睿
-
机构
中国人民公安大学信息网络安全学院
安全防范与风险评估公安部重点实验室
-
出处
《计算机工程与科学》
CSCD
北大核心
2022年第9期1686-1692,共7页
-
基金
国家社会科学基金(20AZD114)
公安部科技强警基础工作专项(2019GABJC01)
+1 种基金
公安部软科学理论研究计划(2021LL39)
中央高校基本科研业务费项目(2021JKF107)。
-
文摘
为了提高特定领域核心概念抽取的效率,提出一种基于模糊贝叶斯决策的核心概念抽取方法。在特定领域内随机抽取大量文本并进行分词获取候选概念;然后采用TF-IDF算法计算候选概念的各项特征值,采用概念隶属度归一化处理候选概念特征值;最终通过贝叶斯决策计算候选概念为核心概念的概率。在财经领域相关数据集上进行文本核心概念抽取的实验结果表明,所提方法的F1值相比TextRank、LDA主题模型、word2vec词聚类模型、RNN、LSTM等的F1值有所提高。综合实验结果表明,基于模糊贝叶斯决策的核心概念抽取方法在核心概念抽取方面表现较好。
-
关键词
概念抽取
概念隶属度
贝叶斯决策
-
Keywords
concept extraction
conceptual membership
Bayesian decision-making
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-