排序方式: 共有46条查询结果,搜索用时 718 毫秒
1.
人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能. 相似文献
2.
3.
生成式对抗网络(Generative Adversarial Networks,GAN)是一种非常简单易行的生成式模型,不依赖任何先验假设,通过采样的方式生成似真数据,且生成速度快.近年来,生成式对抗网络在图像处理及自然语言处理任务中得到了广泛的应用.但是,生成式对抗网络同样存在缺点,比如训练过程中不稳定、生成数据过程... 相似文献
4.
闫鸿浩赵铁军李晓杰王小红 《高压物理学报》2016,(3):207-212
以粉末状与气态二茂铁为原料,以氢气和氧气混合气体为爆轰能源,采用气相爆轰法进行了合成碳包覆铁纳米颗粒实验。XRD和TEM实验结果表明,采用两种不同状态的二茂铁,均得到了纳米碳包覆铁颗粒。该包覆颗粒的组成核为铁或铁碳化合物,外层壳主要由石墨碳组成,大部分球形纳米颗粒尺寸分布于5-30 nm之间。通过对比发现,采用气态二茂铁爆轰时,所得到的碳包铁粒度分布较为集中,壳层厚度比较均匀,且粒子具有较好的球形状。最后结合铁碳合金相图,从热处理角度对气相爆轰合成碳包覆铁纳米颗粒的机理进行了分析,得出产物中α-Fe与Fe_3C的形成过程。分析了碳包覆铁纳米颗粒的磁滞回线,其表现出硬磁性与顺磁性双重性质。 相似文献
5.
水泥基复合材料的高脆性是导致其性能退化和结构不耐久的主要原因之一.脆性的直观表现为应力-应变曲线具有明显的软化段.添加高模量聚乙烯醇纤维的水泥基材料的韧性性能可得到显著改善,受拉破坏和受弯破坏时呈现出应变硬化和多微缝开裂特征,导致其本构关系异于普通水泥基材料.通过直拉试验可直接得到σ-ε曲线,但该试验技术上难于实现而且造价高、耗时长.四点弯曲试验易于实现但需要将力-变形曲线转换成σ-ε曲线.本文通过CONHARD软件,采用逆向分析法,模拟变形和裂缝开展,反复迭代以求得试验曲线与数值计算结果的最佳拟合.该方法以弹性宏单元模型预处理未裂区域,以多层单元模型模拟裂缝扩展区域,假定初始σ-ε曲线,通过进化运算法则进行迭代和修正,最终可获得多线性应力应变曲线.数值计算结果与试验曲线吻合较好. 相似文献
6.
从图同构角度给出树同构的性质,并阐述了结构异构与结构对齐之间的关系.在此基础上为建立结构映射关系,以及在翻译过程中融入句法结构信息,提出元结构、互译结构组概念及多层次结构对齐的体系.最后利用对数线性模型,给出基于元结构对齐的统计机器翻译模型.模型的翻译过程中,源语言句法树以元结构为单位进行分解,利用互译结构组映射知识,转换为目标语言句法树结构序列,从而根据结构模型信息对目标语实施调序和译文的生成.实验结果表明,本模型在对于翻译知识的泛化能力和翻译结果方面都优于基于短语的统计机器翻译模型. 相似文献
7.
从医疗文本中抽取知识对构建医疗辅助诊断系统等应用具有重要意义.实体识别是其中的核心步骤.现有的实体识别模型大都是基于标注数据的深度学习模型,非常依赖高质量大规模的标注数据.为了充分利用已有的医疗领域词典和预训练语言模型,本文提出了融合知识的中文医疗实体识别模型.一方面基于领域词典提取领域知识,另一方面,引入预训练语言模型BERT作为通用知识,然后将领域知识和通用知识融入到模型中.此外,本文引入了卷积神经网络来提高模型的上下文建模能力.本文在多个数据集上进行实验,实验结果表明,将知识融合到模型中能够有效提高中文医疗实体识别的效果. 相似文献
8.
9.
10.
采用基于统计的方法实现日本人名的识别和翻译系统。将人名的识别转换成序列标注问题,采用条件随机场方法训练识别模型。训练语料在标注时使用S/E(Start/End)标注风格;利用人名在上下文中的关系、人名称呼后缀词和人名字典来设计特征模板。人名翻译时将日本人名分为假名人名和汉字人名,汉字人名的翻译通过建立日本人名常用汉字翻译字典实现;假名人名的翻译通过Moses系统训练翻译模型实现。该系统在人名的识别和翻译测试中都取得了不错统计结果。 相似文献