您的位置: 专家智库 > >

刘丽佳

作品数:4 被引量:10H指数:3
供职机构:昆明理工大学信息工程与自动化学院更多>>
发文基金:国家自然科学基金云南省教育厅科学研究基金南省应用基础研究计划重点项目更多>>
相关领域:自动化与计算机技术电气工程更多>>

文献类型

  • 2篇期刊文章
  • 1篇学位论文
  • 1篇会议论文

领域

  • 4篇自动化与计算...
  • 1篇电气工程

主题

  • 2篇老挝语
  • 2篇关系抽取
  • 2篇半监督学习
  • 2篇LM算法
  • 2篇抽取
  • 2篇词性
  • 2篇词性标注
  • 1篇整数规划
  • 1篇神经网
  • 1篇神经网络
  • 1篇网络
  • 1篇PSO算法
  • 1篇BP神经
  • 1篇BP神经网
  • 1篇BP神经网络
  • 1篇DBN

机构

  • 4篇昆明理工大学

作者

  • 4篇刘丽佳
  • 3篇周兰江
  • 3篇余正涛
  • 2篇杨蓓
  • 1篇郭剑毅
  • 1篇张金鹏

传媒

  • 1篇中文信息学报
  • 1篇计算机科学

年份

  • 1篇2016
  • 2篇2015
  • 1篇2014
4 条 记 录,以下是 1-4
排序方式:
基于LM算法的领域概念实体属性关系抽取被引量:4
2014年
针对非结构化自由文本中关系模式比较复杂,关系抽取性能不高的问题,该文提出了利用BP神经网络的优化算法-LM算法,对非结构化自由文本信息中的领域概念实体属性关系进行抽取。首先对语料进行预处理,然后利用CRFs模型对领域概念的实例、属性和属性值进行实体识别,然后根据领域中各类关系的特点分别进行特征提取,构造BP神经网络模型,利用LM算法抽取相应关系。和适用于二分类问题的SVM相比,人工神经网络优化算法自主学习能力强,识别精度高,更适用于多分类的问题。通过几组实验表明,该方法在领域概念实体属性关系抽取方面取得了良好的效果,F值提高了12.8%。
刘丽佳郭剑毅周兰江余正涛邵发张金鹏
关键词:BP神经网络LM算法
半监督学习的老挝语词性标注方法研究被引量:3
2016年
针对老挝语语料资源极少而无法直接利用有监督学习的方法实现老挝语词法分析的问题,提出了基于半监督学习的老挝语词性标注方法。首先利用仅有的少量标注词典和未标注语料资源,采用简单概率模型建模,获取较为完整的标注词典;其次利用整数规划获取大量自动标注的语料;最后在训练语料充足的情况下,利用二阶隐马尔科夫模型建模,实现高质量的老挝语词性标注。提出的方法在老挝语词性标注方面取得了较好的效果,其准确率达到89.8%。
杨蓓周兰江余正涛刘丽佳
关键词:半监督学习整数规划
领域实体属性关系抽取方法研究
领域实体属性关系抽取是信息抽取、构建特定领域的本体知识库和知识图谱的重要基础。因此,研究领域实体属性关系的抽取方法,是一项非常有意义的工作。本文对特定领域的非结构化自由文本中的领域实体属性关系抽取做了以下几方面的工作:(...
刘丽佳
关键词:LM算法PSO算法
文献传递
半监督学习的老挝语词性标注方法研究
针对老挝语语料资源极少,无法直接利用有监督学习的方法实现老挝语词法分析的问题,本文提出了基于半监督学习的老挝语词性标注方法.首先利用仅有的少量标注词典和未标注语料资源,采用简单概率模型建模,获取较为完整的标注词典,进一步...
杨蓓周兰江余正涛刘丽佳
共1页<1>
聚类工具0