基于CRF模型的高分辨率遥感影像变化检测

针对传统高分辨率遥感影像变化检测方法大多直接利用光谱信息进行计算,导致检测精度不高的缺陷,提出了一种基于条件随机场模型(CRF)的高分辨率遥感影像变化检测方法。该方法利用CRF模型融合差值影像的光谱项和空间项,在融合过程中,引入EM迭代策略不断更新影像检测结果,提高变化检测精度。试验结果表明,本文方法的分类精度好于传统方法,并且稳定性良好。

基于CRF模型的短文本信息流话题提取

为更有效地在中文短文本信息流中进行话题提取,给出了一种基于CRF模型的话题提取方法。根据短文本信息流的特点,定义了短文本信息流中关键词语相似度。充分利用上下文信息对特征信息进行全局归一化的处理,进一步得到全局的最优值。在真实的短信文本信息集上将此方法与决策树方法进行比较,取得了较明显的优势。

基于CRF模型和标签代价的群组多目标跟踪算法

目标身份切换现象在目前的视频多目标跟踪算法中普遍存在,特别是在遮挡严重的场景中.针对这一问题,提出一种结合了CRF(condition random field)模型和标签代价函数的多目标跟踪算法.该算法将多目标跟踪问题转化为求解统一能量函数的最小解问题;同时,将目标的群组状态融合到跟踪器中,减少了目标发生身份切换的概率,提高了算法的鲁棒性.在多个公共数据集中对该算法进行仿真,实验结果显示,在多个性能指标特别是目标发生身份切换次数指标中,该算法优于目前主流的跟踪算法.

地耳草总黄酮对5/6肾切除大鼠CRF模型肾纤维化相关因子影响研究

目的:研究地耳草总黄酮(MSN)对大鼠CRF模型肾纤维化中结缔组织生长因子CTGF、白细胞介素IL-6和纤维粘连蛋白FN表达的影响,探讨其抗纤维化作用机理。方法:采用ELISA法检测5/6肾切除大鼠CRF模型血清中CTGF和IL-6的含量,采用免疫组化法检测FN的含量。结果:MSN低、中、高各剂量组CTGF、IL-6和FN含量远低于模型组,具有明显统计学差异。结论:MSN能有效降低5/6肾切除大鼠CRF模型纤维化因子CTGF、IL-6及FN含量,干预CRF模型残余肾组织纤维化,延缓慢性肾衰。

基于Co-training训练CRF模型的评价对象识别

评价对象是指某段评论中评价词语所修饰的对象或对象的属性。为了识别评论中的评价对象,提出基于Co-training的训练CRF模型方法。该方法首先人工标注少量的原始数据集,使用Co-training方式对未标注数据进行自动识别,以扩大已标注训练数据。通过原始标注数据集和Co-training方式标注数据集,训练CRF模型。在汽车领域中,对待标注汽车评论语料中评价对象识别的精确率为67.483%,召回率为67.832%。

基于CRF模型的临床医嘱信息实体识别方法应用研究

将命名实体识别技术运用于临床业务系统中,实现对临床医嘱的实体识别,提高临床医疗的工作效率。以上海市胸科医院为研究背景,提出嵌入于临床业务信息系统的临床医嘱实体识别方法。基于历年医嘱数据建立专项语料词库,运用CRF模型进行实时实体识别。随着识别系统上线使用,共处理了8362条医嘱,实验结果表明其准确率较好,在信息支撑度方面提升了医护人员的满意度。医嘱实体识别技术能够有效提高执行效率和医疗质量,也为医疗领域的知识挖掘工作提供了参考依据。

基于ResUNet和Dense CRF模型的地震裂缝识别方法

针对人工解释地震资料耗时长、效率低、受主观因素影响较大的不足,提出了一种基于ResUNet和全连接条件随机场(dense conditional random field, Dense CRF)模型的裂缝识别方法。该方法首先使用ResUNet模型提取地震振幅数据体中裂缝的不同分辨率的特征,实现地震裂缝识别;然后利用Dense CRF模型进一步优化识别结果,从而实现地震裂缝的精准识别。将该方法与传统UNet、ResUNet模型在合成地震振幅数据体和F3工区地震数据体进行了实验比较,结果表明运用所提方法识别的裂缝更准确、裂缝尺寸更细、连续性更好。

采用BERT-BiLSTM-CRF模型的中文位置语义解析

针对利用当前神经网络模型进行中文位置语义解析存在多义词解析效果差、泛化能力差等问题,提出一种基于BERT-BiLSTM-CRF模型的中文位置语义解析方法。首先利用BERT预训练模型对中文位置信息进行预训练,获取所有层中的上下文信息,增强中文位置信息的语义表征能力,然后通过BiLSTM模型提取向量特征信息,最后通过CRF模型进行解码,获取全局最优标注序列。实验结果表明,在不同数量和区域的中文位置信息数据集基础上,BERT-BiLSTM-CRF模型在所有测试集上分词准确率与F1值都优于目前常用的神经网络模型,最高分别可达到93.91%和93.96%。利用BERT-BiLSTM-CRF模型对中文位置信息进行语义解析,不仅有效提高了中文位置信息解析与多义词解析的准确率,而且具有更好的泛化能力。

基于crf模型的汉语零形式定位研究

本文介绍了零形式的相关概念和零形式定位研究对指代消解工作的意义,并在介绍了国内外关于零形回指和零形式定位工作的基础上,提出一种基于条件随机场模型的汉语文本的零形式定位方法.通过对研究选取的汉语小说文本进行标注和测试工作,得到了零形式定位工作初步的正确率和召回率.最后,本文对定位工作中出现的错误进行了分析,并指出了下一步工作的方向.

基于CRF模型的地名识别方法研究和应用

命名实体识别是自然语言处理领域中的关键技术,地名实体识别是命名实体识别中的重点和难点。结合英文地名具有构成随意、类型复杂繁多的特点,将地名实体识别问题转化为词序列标注的问题,结合条件随机场模型(Conditional Random Fields,CRF),完成英文地名识别任务。

基于CRF模型的《里耶秦简》自动断句与分词研究

里耶秦简的数量是之前出土秦简的10倍,填补了秦朝历史记载中的诸多空白。将《里耶秦简》作为实验语料,探索基于CRF(条件随机场)模型的里耶秦简自动断句与分词方法。结合简文的实际特点,通过设置不同的特征模板,面向不同的任务验证模型序列标注的泛化能力;通过设置断句、分词一体化的对比实验,以选取性能更优的处理方案;同时设计了深度学习方法与预训练模型的对比试验。实验结果表明,CRF模型一体化的标注方案在各任务中的整体性能均有所提升,其中自动断句、分词的F1值分别达到75.79%与94.44%,且速度快用时少,更适用于里耶秦简。

基于CRF模型的用户文本检索需求信息划分

为了正确理解检索意图和客观表达用户的主观信息,结合CRF模型较高的语义区分率和歧义消解率等特点,对用户文本检索需求信息进行区分,同时选择关键词的上下文信息作为特征获取更丰富的信息,提出一种基于条件随机场(conditional random field,CRF)模型的文本检索需求信息划分算法(CRF_Q),从而清晰地划分两个连续检索词间的边界.在锚文本相似度和检索词相似度两个属性相组合的实验结果中,决策树模型和CRF_Q算法最优,且CRF_Q算法的综合评价指标较决策树模型高4.4%.

融合多特征嵌入的中文医疗命名实体识别模型MF-MNER

医疗问诊数据中的命名实体识别不仅面临着实体交叉与边界模糊,而且问诊数据通常存在表述不准确、不规范和口语化等问题,已有医疗命名实体识别方法在问诊数据中适用效果较差.为此,提出一种适用于问诊数据的多特征嵌入中文医疗命名实体识别模型MF-MNER.该模型从字符、部首、词汇、边界和句法依赖等不同视角下获取字符的语义特征,并将融合后的语义特征经过扩张卷积神经网络进行卷积聚合,最后采用CRF模型进行序列解码.在医疗问诊数据集中开展的实验表明,多特征嵌入能明显提升命名实体的识别质量,MF-MNER相对于其他方法能够更适用于问诊数据中的医疗命名实体识别.此外,在公开的电子病例集中的实验表明,MF-MNER的高性能医疗命名实体识别具有普适性.

一种基于景区评论的静态热词提取模型

热词提取对于景区的发展具有重要意义,目前热词提取方法仍存在分词效果不佳、训练模型耗费大等问题,文中提出一种基于景区评论的静态热词提取模型CRF+TBTT。该模型利用新型算法流程过滤非关键词,分析高频词和特色词,提取候选词,最后得到准确的静态热词。通过对59107条景区评论数据进行实验,结果表明,CRF+TBTT模型的性能均明显优于比较模型,对景区前20个热词提取准确率达到90%,说明该模型对静态热词提取的效果较好,有助于旅游部门对景区进行有效管理和规划。

基于CRF算法的汉语比较句识别和关系抽取

比较句是表明事物之间关系的常见表达方式,对于文本挖掘,特别是情感分析,具有重要的价值。目前汉语比较句的研究还是一个新颖的课题,包括汉语比较句的识别和比较关系的抽取。对于汉语比较句的识别,在前人研究的基础上,以SVM为分类器,以特征词和CSR序列规则为特征,同时利用CRF算法抽取实体对象,并增加以实体对象的信息作为特征,显著提高了比较句识别的准确率、召回率和F-度量,最高分别达到96.55%、88.63%和92.43%。对于汉语比较关系的抽取,在CRF算法抽取实体对象的基础上,通过定义一些规则,抽取比较主体和比较基准,也取得了较好的效果,其中比较主体的抽取效果要好于比较基准。

双层CRF与规则相结合的中文地名识别方法研究

采用一种基于双层CRF模型与规则相结合的方法提高中文地名的识别性能。第一层CRF模型使用单字特征识别地名,将其结果添加至词典。第二层CRF模型利用词性、左指界词、右指界词和处理后的词典特征对地名进行识别。最后利用规则对识别结果进行过滤修剪和补召。通过双层CRF模型获取文本的远距离特征,解决了同一词汇因位置不同而标记不一致的问题,结合依据地名语言学特点制定的规则提高召回率。实验表明,双层CRF与规则相结合的方法对中文地名的识别取得了较好的效果。对Bakeoff2007的MSRA语料进行开放测试,得到的准确率、召回率、F值分别为95.32%、90.34%、94.12%。

排毒双调综合疗法对大鼠CRF细胞免疫影响的实验研究

目的:观察排毒双调综合疗法对大鼠慢性肾功能衰竭的治疗作用及其可能的作用机理。方法:采用大鼠5/6肾切除动物模型,分为正常组、病理组、灌胃组、灌胃加灌肠及综合疗法组,观察各组大鼠治疗前后一般状况、血红蛋白(HGb)、肾功能(BUN、Scr)、外周血白细胞CD3+T细胞、CD4+T细胞、CD8+T细胞的百分比及CD4+/CD8+的比值的变化。结果:综合疗法组较病理组、灌胃组、灌胃加灌肠组外周血白细胞中CD3+T细胞、CD4+T细胞、CD4+/CD8+比例均明显升高(P<0.05),BUN、Scr亦较前述三组明显改善(P<0.01或P<0.05),一般状况及贫血改善情况等也好于前述三组。结论:排毒双调综合疗法能减轻并延缓慢性肾衰竭的病理进展,且较单纯灌胃、灌胃加灌肠疗效为佳,其作用机理可能与改善细胞免疫功能有关。

CRF与规则相结合的藏文人名识别方法

文章就藏文人名本身的特性分析了人名识别的难点,提出了CRF与规则相结合的藏文人名识别方法.该方法首先以CRF作为机器学习模型,充分利用藏文人名的各类特征,然后针对人名不能全面召回的问题,利用规则方法进行后处理,最终建立了一种优势互补的识别模型.实验结果表明,该文提出的方法具有较好的性能,F-值可达91.55.

基于投票混合模型的中文地址分词研究

针对现有的中文分词算法在特殊领域的分词性能并不理想的问题,在基于CRF分词器的基础上,结合传统的基于字典的分词方法,以及支持向量机(Support Vector Machine,SVM)分词工具,实现了一种基于投票混合模型的地址分词方法,并使用非标准地址数据对该模型进行训练与测试。实验结果表明,在对中文地址数据的分词中,该分词器比几种常用的分词工具具有更好的分词性能,为基于分词的地址数据清洗做了一个重要的基础。

基于CRF的藏文地名识别技术研究

藏文地名识别是藏文命名实体识别中必须要解决的问题。通过分析藏文地名的特点及识别难点,阐述了藏文地名的音节、触发词、地名后续词和格助词等特性适用基于CRF模型的地名识别,通过实验,验证了6种特征对藏文地名识别的有效性。实验结果表明该方法对藏文地名识别的准确率、召回率和F值分别达到了96.12%、81.92%和88.45%,实验结果与已有的系统相比,取得了较好的效果。