基于不同模型的中文命名实体识别方法研究

目的:比较条件随机场、长短期记忆模型、BiLSTM-CRF和使用Bert预训练字符向量的BiLSTM-CRF四种命名实体识别模型.方法:分析比较四种模型在人民日报数据集和MSRA数据集上对人名、地点和机构三类实体的识别性能.结果:单一神经网络LSTM在缺乏训练数据支持的结果表现不如CRF,而使用了Bert预训练字符向量...     

基于新冠肺炎疫情期间微博文本情感分析的研究

为了深入了解新冠肺炎疫情期间微博用户舆论的焦点、更好地把握网络舆情的走向,本实验以疫情期间微博内容为基础,利用深度学习的相关算法,对数据内容进行情感分析。初始数据集已有一部分进行过人工标注,经过预处理后,将BiGRU与注意力机制相结合成BiGRU-attention模型对数据进行实验,TextCNN、BiGRU、BERT三种模型分类效果进行对比,实验结果证明,BiGRU-attention模型效果略优于TextCNN、BiGRU模型,相比于BERT模型则略差,证实在本数据集上BERT模型对文本分类的效果更加优秀,在后续实验中会对BERT模型进行更进一步地优化,以达到较好分类效果。     

基于卷积神经网络的推荐模型研究

在网络购物平台中,评论信息是用户做出在线购买决策的主要依据.然而评论包含大量信息,其重要程度是不一样的.无用的评论会影响推荐系统的性能,对用户的参考意义也较小.文章提出一种基于评论的推荐模型,该模型在用户和商品两个维度并行建模,利用卷积神经网络提取评论特征,并引入注意力机制来探索评论的有用性.在Amazon不同的子数据...     

基于复杂网络的社区划分算法分析

近年来,复杂网咯吸引了大量的学者,作为一个新兴起来的学科,来自各个领域的学者们都开始对其进行研究分析。社区划分是复杂网络的重要特征之一。针对复杂网络中社区划分问题,对三种的社区划分算法进行了研究,传统GN算法、FN算法和谱聚类算法,分别阐述了各种算法的基本原理,并对这两种算法基于真实世界网络模型进行了适当的分析和比较,选取出较为高效的谱聚类算法,用于现实世界复杂网络中的社区划分,为实际应用中社区划分算法的认识与应用提供了方法参考。