排序方式: 共有9条查询结果,搜索用时 13 毫秒
1
1.
当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语义息息相关.考虑到当前常用词模型均忽略了字符信息,文中以中文为例,提出了单词与字符表示的协同学习模型.为了解决汉语中存在的单字符多语义和多字符单语义情况,文中提出了基于多原型的单词协同学习模型,并使用词相似任务和类比推理任务对该模型进行评估.结果显示,文中模型的词表示质量均优于其他词嵌入模型. 相似文献
2.
3.
为更加深刻地刻画手绘草图中的形状主题,并使特征描述方法具有一定的平移、缩放和旋转不变性,提出了一种基于熵和势能的手绘草图特征描述方法.该方法首先提取手绘草图的关键点,并对每个关键点的周围区域进行分块,计算其信息熵;然后根据关键点像素在手绘草图对象中的位置,计算其像素势能,从而获得融合了熵和势能的关键点特征描述向量;最后将训练集中所有图像的全部关键点特征描述向量聚类形成视觉码书,每一幅手绘草图均表示成基于码书的特征描述向量.实验结果表明,文中方法能较好地描述手绘草图的形状特征. 相似文献
4.
5.
基于覆盖算法与多层前馈网络的案例库维护 总被引:2,自引:0,他引:2
针对运行在电子商务等交互式应用领域中的案例推理系统时,其案例库的规模很容易达到成千上万条且不能削减的特点,提出同时从两方面着手完成案例库维护:一方面用覆盖算法将案例库划分成覆盖领域,实现案例的选择性过滤使用;另一方面应用多层前馈神经网络改进案例匹配,提高检索效率.实验表明,该方法可以用来处理海量的高维数据,保证了系统的可用性. 相似文献
6.
许多电子商务网站中存在用户编写的大量评论信息,大部分推荐系统虽然利用了评论信息,但仅从单词级别而不是评论级别来评估评论的重要性。如果只考虑评论中的重要单词,而忽略了真正有用的评论,则会降低推荐模型的性能。基于此,文中提出了一种基于双层注意力机制的联合深度推荐模型(DLALSTM)。该模型首先利用双向长短期记忆网络(BiLSTM)分别对用户和项目评论进行词以及评论级别联合建模,并通过两层注意力机制聚合为评论表示和用户/项目表示,然后把从评论中学习的用户和项目的潜在表示融入由评分矩阵得到的用户偏好和项目特征,实现评分预测。采用文中模型在Yelp和亚马逊的不同领域数据集上进行实验评估,并与常用的推荐方法进行比较,发现文中提出的模型性能超过目前常用的推荐方法,同时该模型能够缓解数据稀疏问题,且具有较好的可解释性。 相似文献
7.
针对数据稀疏性问题对于传统协同过滤推荐带来的影响,提出基于项目属性和局部优化的协同过滤推荐算法(collaborative filtering recommendation algorithm based on item attribute and local optimization,简称CUCF).算法首先改进jaccard系数来优化评分的项目相似性;其次引入拉普拉斯平滑方法对基于项目属性的项目相似性进行优化;最后结合两方面的相似性结果,并且利用局部优化方法选择目标的近邻对象作为推荐群.实验结果表明,该算法减小了数据稀疏性对推荐结果的负面影响,有效地降低了预测结果的平均绝对误差MAE.实验进一步对比了其他4种不同推荐方法,预测精度提高7.1%~15.5%,从而证明了CUCF方法在预测准确率方面能够取得较好的效果. 相似文献
8.
基于案例推理中案例表示的研究 总被引:1,自引:0,他引:1
基于案例推理利用过去的案例或经验进行推理来求解新问题,是一种重要的机器学习方法.在CBR(Case-based Reason ing)中知识表示以案例表示为基础,案例是一段带有上下文信息的知识,该知识表达了推理机在达到其目标的过程中能起关键作用的经验.案例表示可能是半结构化或非结构化的,甚至用自然语言来表达的,涉及系统的运行效率.分析了目前的多种表示方法,研究了不同环境下的案例表示,以及选用合适的方法来构筑的案例库. 相似文献
9.
1