基于主题—情感融合分析的网红书店形象感知研究

在文化与旅游深度融合的背景下,网红书店逐渐成为城市重要的文化地标和新兴的旅游景点。以钟书阁和先锋书店为例,分析两家书店在大众点评和携程等平台的评论数据。采用BERTopic主题模型和BiGRU-BiLSTM情感分析模型,揭示网红书店在空间环境、功能服务、体验感知和传播价值4个维度的形象特征,并对其形象感知进行具体分析。结果显示,钟书阁和先锋书店均获得较高的正面评价。钟书阁以优美的环境和丰富的服务内容受到关注,而先锋书店则以其强大的文化传播价值和深厚的文化体验赢得赞誉。据此,针对4个维度提出提升网红书店形象的策略建议,为网红书店未来的发展提供参考。

基于深度学习的地理知识图谱构建方法研究

地理知识图谱是提供地理知识服务的关键技术,实现其自动化构建对发展地理人工智能应用具有非常重要的意义。为解决地理知识图谱自动化构建的问题,提出了一种基于BiLSTM-CRF网络提取地理实体和Bert-BiGRU-Attention网络提取方位关系构建领域地理知识图谱的方法。实验结果表明,基于该方法所自动构建的领域地理知识图谱地理实体及其方位信息较为完整,召回率和精确率较高,能够满足知识图谱构建需求,可充分表达现实世界中地理实体及其复杂的方位关系。

基于1DCNN-BiLSTM-BiGRU的电能质量扰动分类方法

为了应对电能质量扰动(PQD)识别中噪声干扰导致的识别率下降问题,本文提出一种基于一维卷积神经网络(1DCNN)-双向长短期记忆(BiLSTM)网络-双向门控循环单元(BiGRU)的PQD分类方法。该方法首先借助1DCNN有效地提取原始信号的浅层局部特征,然后通过BiLSTM和BiGRU组合模块对时序信息和上下文关系进行深入处理,从而实现深层时序特征的提取。最后,将所提取的特征经分类模块用于PQD识别。仿真结果表明,与传统方法相比,本文所提方法在准确性方面更具优势,且抗噪声能力更强。

基于改进Seq2Seq模型的电力智能客服系统设计方法研究

随着电力用户规模不断增长、业务量不断扩大,传统客服模式已不能满足繁重的用户业务咨询需求,在此背景下设计一种精准的客户服务模式就显得至关重要。针对这一需求,文章首先提出了一种融合注意力机制+双向长短期记忆网络+双向门控循环单元(Attention+BiLSTM+BiGRU)的序列到序列(Seq2Seq)模型;然后通过对上下文语义信息的深层时序特征提取及赋权,有效提高了模型对话性能;最后通过算例仿真,实验结果从定性和定量的角度验证了所述方法具有回答效果更佳、问题识别能力更高的特点,对在线电力智能客服系统的设计和实现具有一定的参考价值。

在线医疗社区问答文本的知识图谱构建研究

【目的/意义】针对医疗问答社区数据量大、规范性差、数据稀疏等特性,综合利用双向长短记忆神经网络(BiLSTM)、条件随机场(CRF)、双向门控循环单元(BiGRU)等深度学习模型,对社区文本的实体识别及关系抽取方法进行研究。【方法/过程】首先,对实体作了进一步细分,利用BiLSTM-CRF模型对BIO标注的数据集进行实体识别,实验发现细分实体比未细分实体在结果上表现更好;接着利用BiGRU-Attention模型抽取各实体间的关系,实验结果显示,该模型无论是在准确率、召回率还是F值上都比BiLSTM-Attention抽取模型有较大的提升;最后利用Neo4j图数据库构建了一个可视化的知识图谱。【结果/结论】本研究将非结构化的社区文本转化为结构化数据,在医疗社区的智能知识服务、知识表示、个性化知识推荐等方面具有推动作用。【创新/局限】在医疗实体识别过程中将实体进行细分,成功构建了基于在线医疗社区问答文本的乳腺癌知识图谱。但由于某些关系样本量较少,对整体关系抽取的评价指标存在一定的影响。