国产bbaaaaa片,成年美女黄网站色视频免费,成年黄大片,а天堂中文最新一区二区三区,成人精品视频一区二区三区尤物

您現(xiàn)在的位置： 首頁> 研究主題> 中文分詞

中文分詞

中文分詞的相關(guān)文獻(xiàn)在2000年到2022年內(nèi)共計(jì)1112篇，主要集中在自動化技術(shù)、計(jì)算機(jī)技術(shù)、科學(xué)、科學(xué)研究、信息與知識傳播 等領(lǐng)域，其中期刊論文880篇、會議論文52篇、專利文獻(xiàn)5420篇；相關(guān)期刊361種，包括現(xiàn)代圖書情報(bào)技術(shù)、電腦編程技巧與維護(hù)、電腦知識與技術(shù)等； 相關(guān)會議45種，包括第33屆中國數(shù)據(jù)庫學(xué)術(shù)會議（NDBC2016 ）、中國中文信息學(xué)會2015學(xué)術(shù)年會（CIPS2015）暨第十四屆全國計(jì)算語言學(xué)學(xué)術(shù)會議（CCL2015）、第三屆基于自然標(biāo)注大數(shù)據(jù)的自然語言處理國際學(xué)術(shù)研討會（NLP-NABD2015）、第十二屆全國人機(jī)語言通訊學(xué)術(shù)會議（NCMMSC`2013）等；中文分詞的相關(guān)文獻(xiàn)由2350位作者貢獻(xiàn)，包括劉挺、車萬翔、龍華等。

中文分詞—發(fā)文量

期刊論文>

論文：880篇 占比：13.85%

會議論文>

論文：52篇 占比：0.82%

專利文獻(xiàn)>

論文：5420篇 占比：85.33%

總計(jì)：6352篇

中文分詞—發(fā)文趨勢圖

中文分詞

-研究學(xué)者

  • 劉挺
  • 車萬翔
  • 龍華
  • 劉一佳
  • 劉勇
  • 李思
  • 王冬
  • 邵玉斌
  • 劉偉
  • 胡學(xué)鋼
  • 期刊論文
  • 會議論文
  • 專利文獻(xiàn)

搜索

排序：

年份

    • 鄔滿； 文莉莉； 孫苗
    • 摘要： 針對復(fù)雜海洋場景(目標(biāo)多尺度、對象多樣化、風(fēng)格差異大、時空強(qiáng)關(guān)聯(lián)且存在不確定性目標(biāo))特點(diǎn),研究基于注意力機(jī)制的復(fù)雜圖像有效特征提取方法,提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)和長短時記憶網(wǎng)絡(luò)(long short-term memory,LSTM)相結(jié)合的復(fù)雜海洋場景圖像中文描述生成模型;結(jié)合Jieba分詞工具,實(shí)現(xiàn)了對復(fù)雜海洋場景監(jiān)測圖像的自動翻譯。利用91衛(wèi)圖助手及無人機(jī)高清影像數(shù)據(jù),建立模型并對算法進(jìn)行驗(yàn)證。結(jié)果表明,Inception-v4比VGG16模型有更強(qiáng)的復(fù)雜特征提取能力,在相同數(shù)據(jù)集下,Inception-v4模型的圖像分類能力高出約5.3個百分點(diǎn);基于卷積神經(jīng)網(wǎng)絡(luò)和長短時記憶模型的圖像中文描述生成算法基本可行,可以解決批量圖像的自動標(biāo)注問題,但在算法的穩(wěn)定性和描述的準(zhǔn)確性上需進(jìn)一步提高。
    • 肖曉霞； 劉明婷； 楊馮天賜； 劉鑒建縣； 楊陽； 石月
    • 摘要： 中醫(yī)醫(yī)案是中醫(yī)醫(yī)生學(xué)習(xí)臨床經(jīng)驗(yàn)的重要文獻(xiàn)資料,對中醫(yī)醫(yī)案進(jìn)行結(jié)構(gòu)化處理有利于采用機(jī)器學(xué)習(xí)等方法總結(jié)臨床經(jīng)驗(yàn),加速中醫(yī)傳承。為了實(shí)現(xiàn)中醫(yī)醫(yī)案快速結(jié)構(gòu)化,提出了一種基于自然語言處理的中醫(yī)醫(yī)案文本快速結(jié)構(gòu)化方法。將《中國現(xiàn)代名中醫(yī)醫(yī)案精粹》作為結(jié)構(gòu)化對象,采用光學(xué)字符識別技術(shù)識別醫(yī)案截圖的文本,同時對文本做初步結(jié)構(gòu)化。構(gòu)建簡單癥狀詞典,采用結(jié)合詞典的改進(jìn)的N-gram模型獲取醫(yī)案文本中的癥狀、體征等詞,并在結(jié)構(gòu)化過程中更新詞典,實(shí)現(xiàn)了對4754份文本醫(yī)案的結(jié)構(gòu)化。隨機(jī)選取666份醫(yī)案文本對最終模型進(jìn)行測試,其F1值達(dá)到82.99%。
    • 陳群； 吳鄭紅； 許哲； 金薇婕
    • 摘要： "擇校熱"引發(fā)的"入學(xué)難""天價(jià)房"等一系列社會性問題日益凸顯。為遏制擇校問題,《中共中央國務(wù)院關(guān)于深化教育教學(xué)改革全面提高義務(wù)教育質(zhì)量的意見》要求推進(jìn)義務(wù)教育學(xué)校免試就近入學(xué)全覆蓋,旨在通過促進(jìn)教育起點(diǎn)公平,營造良好的教育生態(tài),從而促進(jìn)社會公平。文章立足于信息化技術(shù)發(fā)展,運(yùn)用中文分詞技術(shù)和貝葉斯概率模型,試圖構(gòu)建一套落實(shí)義務(wù)教育階段免試就近入學(xué)政策的實(shí)用入學(xué)分配策略,旨在促進(jìn)義務(wù)教育學(xué)校免試就近入學(xué)政策精準(zhǔn)高效落地。
    • 劉洋； 余甜； 丁藝
    • 摘要： 中文分詞在自然語言處理中占據(jù)了十分重要的地位。為了提高中文分詞的速度,論文提出了一種新的求解最大概率路徑的方法。該方法主要分為兩步:1)將詞頻總和的數(shù)值減小來解決下溢問題;2)避免使用復(fù)雜的計(jì)算方法,使用簡單的除法操作來降低運(yùn)行時間提高分詞速度。最后,使用搜狗新聞數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)驗(yàn)證,新方法的中文分詞速度相較于JIEBA的中文分詞的速度顯著提高,并且為了驗(yàn)證分詞的性能,對準(zhǔn)確率,召回率以及F1進(jìn)行了計(jì)算,三個指標(biāo)的值均可達(dá)到95%以上。
    • 李書彬； 周安民
    • 摘要： 中文短文本分類是自然語言處理的重要領(lǐng)域之一,文中提出了一種基于多維度圖神經(jīng)網(wǎng)絡(luò)的短文本分類方法,通過對文檔中的中文詞語進(jìn)行建模,分別構(gòu)建序列邊、詞頻邊、主題邊與結(jié)點(diǎn)信息相融合以達(dá)到提取深度語義信息的目的,提高圖神經(jīng)網(wǎng)絡(luò)的分類能力。通過和現(xiàn)有方法對比,本文提出的基于多維度圖神經(jīng)網(wǎng)絡(luò)的短文本分類方法具有更高的準(zhǔn)確率,能夠有效的達(dá)到中文短文本分類的目的。
    • 王佳莉
    • 摘要： 筆者所在學(xué)校在2020年下半年建立了人工智能實(shí)驗(yàn)室,在其暢言AI實(shí)驗(yàn)平臺中,學(xué)生對自然語言處理中的四大名著分詞頗有興趣,并產(chǎn)生了疑問:中文分詞和詞頻統(tǒng)計(jì)的核心算法是什么?針對這種情況,筆者利用Python編程,幫助學(xué)生掌握詞頻統(tǒng)計(jì)中的枚舉算法。
    • 韓士洋； 馬致遠(yuǎn)； 楊芳艷； 李想； 汪偉
    • 摘要： 成詞信息是一種對中文分詞任務(wù)十分重要的文本特征。最新中文分詞模型之一的WMSEG就是通過引入成詞信息來獲得最頂尖的分詞性能。然而這類模型在建模時并未考慮標(biāo)簽之間的依賴關(guān)系,導(dǎo)致其分詞性能特別是對未登錄詞的識別有所欠缺。針對這一問題,通過在學(xué)習(xí)過程中引入標(biāo)簽嵌入的注意力機(jī)制,提出了一種帶標(biāo)簽注意力的成詞記憶網(wǎng)絡(luò)來增強(qiáng)標(biāo)簽之間的依賴關(guān)系以及標(biāo)簽和字符之間的相關(guān)性。實(shí)驗(yàn)結(jié)果表明,該模型在四個常用數(shù)據(jù)集上都取得了不弱于WMSEG的分詞性能,同時提高了對未登錄詞的識別能力。
    • 王星； 于麗美； 陳吉
    • 摘要： 作為自然語言處理任務(wù)的基礎(chǔ),中文分詞的準(zhǔn)確率直接影響命名實(shí)體識別、信息檢索等任務(wù)的效果.針對現(xiàn)有分詞模型使用的靜態(tài)詞向量精確表征能力較差和專業(yè)領(lǐng)域分詞中模型適應(yīng)性差等問題,本文提出一種使用字根信息為輔助特征的中文分詞模型.模型分為主任務(wù)和輔助任務(wù),主任務(wù)中使用ALBERT語言模型訓(xùn)練詞向量,利用去池化卷積殘差神經(jīng)網(wǎng)絡(luò)提取特征,與輔助任務(wù)抽取的特征融合后進(jìn)行分詞.輔助任務(wù)使用字根向量表示文本,通過淺層卷積提取特征,進(jìn)行序列標(biāo)注.借助損失函數(shù)利用輔助任務(wù)對主任務(wù)進(jìn)行糾正,協(xié)助主任務(wù)實(shí)現(xiàn)中文分詞.在BakeOff2005語料庫的4個數(shù)據(jù)集以及兩個小型法律文書數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)表明該文提出的分詞模型在多數(shù)大型數(shù)據(jù)集上實(shí)驗(yàn)效果達(dá)到最優(yōu),并且在小型法律數(shù)據(jù)集上F1值最高達(dá)到97.90%.
    • 邵黨國； 黃初升； 馬磊； 賀建峰； 易三莉
    • 摘要： 中文分詞(Chinese Word Segmentation,CWS)是自然語言處理(Natural Language Processing,NLP)中一項(xiàng)重要的基礎(chǔ)任務(wù)。由于不同領(lǐng)域中文詞匯的特殊性以及缺乏相關(guān)領(lǐng)域的標(biāo)記數(shù)據(jù),面向特定領(lǐng)域的分詞任務(wù)是近年來中文分詞研究面臨的挑戰(zhàn)之一。因此,提出了一種基于雙向長短時記憶網(wǎng)絡(luò)(Bidirectional Long Short-Term Memory,Bi-LSTM)的分詞模型,其中分別使用了大規(guī)模的中文通用語料以及少量中文醫(yī)學(xué)語料訓(xùn)練模型來構(gòu)建這種全新的分詞模型。該模型在僅使用少量中文醫(yī)學(xué)領(lǐng)域標(biāo)記數(shù)據(jù)的情況下,在該領(lǐng)域的分詞任務(wù)上獲得了較好的分詞效果,實(shí)驗(yàn)結(jié)果中的最優(yōu)F1值為95.54%,相比單獨(dú)使用中文醫(yī)學(xué)語料訓(xùn)練的分詞模型,有比較明顯的提升。
    • 楊淑瑩； 田迪； 郭楊楊； 趙敏
    • 摘要： 為便利聽障人士的正常社會生活,提高其社會融入度,設(shè)計(jì)開發(fā)了基于B/S模式的仿真手語翻譯系統(tǒng)。此系統(tǒng)包含語音識別模塊、文本分詞模塊和虛擬人控制模塊。采集到的語音經(jīng)過Mel尺度的小波包分解提取語音聲學(xué)特征,并進(jìn)行快速語音識別得到對應(yīng)文本,使用jieba完成對應(yīng)的文本分詞;同時創(chuàng)建仿真虛擬人模型并為其添加關(guān)鍵幀手語動作,使用Three.js實(shí)現(xiàn)Web端仿真手語動作渲染,最終實(shí)現(xiàn)語音到仿真手語的翻譯過程。此系統(tǒng)操作方便、實(shí)用性強(qiáng),具有很好的應(yīng)用前景。
    • 查看更多

客服郵箱：kefu@zhangqiaokeyan.com

京公網(wǎng)安備：11010802029741號 ICP備案號：京ICP備15016152號-6 六維聯(lián)合信息科技 (北京) 有限公司?版權(quán)所有

  • 客服微信

  • 服務(wù)號