基于深度学习的领域知识对齐模型研究:知识网络视角

随着大数据的迅速发展,知识网络在不同语言、不同领域和不同模态等情境下呈现高度多样性和复杂性,如何对齐与整合多源情境下的异构知识网络,成为研究者所面临的严峻挑战。本文在知识网络深度表示学习的基础上,提出一种由知识网络构建、跨语言网络表示学习和统计机器学习三个模块构成的知识网络对齐(knowledge network alignment,KNA)模型。为验证模型的有效性,在中英文双语知识网络数据集上开展实证研究,借助于网络表示学习算法将异构知识网络表征到同一空间,利用已知的对齐链接来训练统计机器学习模型,并通过模型来预测未知的节点对齐链接。KNA模型在跨语言共词网络对齐任务中取得Precision@1值为0.7731,高于基线方法 (0.6806),验证了KNA模型在跨语言知识网络对齐上的有效性。研究结果对于改进知识网络的节点对齐效果,促进多源情境下的异构知识网络融合具有重要意义。     

机器学习在档案管理中的应用与挑战——基于新南威尔士州档案馆机器学习实验的调查与启示

文章解析了档案机构主导的机器学习应用于档案管理的实验项目,旨在充分认识机器学习应用的可行性以及应用逻辑与方法.基于对澳大利亚新南威尔士州机器学习实验的过程分析,发现充足且高质量的数据集、软硬件等基础设施及专业人才是机器学习技术成功应用的重要因素.因此,档案机构应用机器学习技术可从推进档案数据化进程、加强技术型人才储备、立足档案管理实践制定应用方案等方向探索.     

基于贝叶斯算法的心理测试情感分析

随着社会的快速发展,大学生的各种心理问题日益突出。从研究大学生心理情感的角度出发,介绍了文本情感分析模型相关理论和实现过程,详细论述了应用Python语言进行心理情感数据标注、预处理、构建贝叶斯模型、测试模型、评估模型性能的过程,通过测试,模型预测正确率达到0.862。针对存在的问题,提出了下一步改进模型性能的实施方案,为广泛筛查大学生的心理问题提供参考。     

基于Uni LM模型的学术文摘观点自动生成研究

[目的 /意义]将海量学术文本观点提取工作由人工转向机器,提高效率的同时又能够保证观点提取的准确性、客观性。[方法 /过程]使用UniLM统一语言预训练模型,训练过程中对模型进行精调,以人工标注数据集进行机器学习。将学术文摘作为长度为a的文本序列,经过机器学习,生成长度为b的句子序列(a≥b),并且作为学术论文观点句输出。[结果 /结论 ]研究结果表明：UniLM模型对于规范型文摘、半规范型文摘、非规范型文摘观点生成精准度分别为94.36%、77.27%、57.43%,规范型文摘生成效果最好。将机器学习模型应用于长文本观点生成,为学术论文观点生成提供一种新方法。不足之处在于本文模型依赖文摘的结构性,对非规范型文摘观点生成效果有所欠缺。     

ChatGPT的发展对情报信息工作的影响及启示

ChatGPT的出现激发了全球人工智能对话系统的发展活力。ChatGPT能够通过自动和人工的方式抓取数据语料,同时采用深度学习的算法和理解人类交流中所运用的语法规则,生成符合人类思维的对话结果,这将对情报信息工作产生深远影响。本文系统梳理了ChatGPT的发展历程,并以案例测试的方式分析了ChatGPT在ATT&CK情报信息处理工作中的影响效能,同时也论述了ChatGPT在情报信息处理中的不足,进而提出ChatGPT对AI时代情报信息工作的启示。     

人工智能技术在会计档案管理中的应用探析

人工智能技术在会计档案管理中有较大应用潜力。在会计档案管理中,我们可以借助机器学习技术,确定会计档案的保管期限与保密等级、挖掘其潜在价值,并构建基于机器学习技术的会计档案知识库系统模型;借助自然语言处理技术,提高会计档案查准率与查全率、帮助其实现自动编研,并构建会计档案语料专用分层系统模型;借助生物特征识别技术,核查会计档案形成主体与内容真实性;借助人机交互技术,为满足会计档案用户多样化需求、提升用户体验提供便利。     

基于最大熵模型的学术缩写自动识别

为实现海量英文学术文本中缩写词及对应缩写定义的识别,本文提出了一种自动缩写识别算法 MELearn-AI。该算法在人工标注数据集的基础上,从序列标注的角度,通过最大熵模型实现了计算机领域 英文学术文本中的自动缩写识别。MELearn-AI 在本文构建的评测数据集“Paren-sen”上得到了95.8% 的 查准率和86.3% 的查全率,相对于其他两组对照实验的效果有较为明显的提升。本文提出的自动缩写识别 方法能够在计算机领域的学术文本上取得令人满意的效果,有助于更好地理解并利用该领域术语。     

清华大学出版社

1.《纳米材料表面电子结构分析》本书从表面科学角度,重点介绍如何利用表面科学实验方法获取纳米材料电子结构的信息,同时,注意理论计算与具体实验结果相结合,比较清楚地阐释了纳米     

基于机器学习的生物多样性英文文档语义标注研究

针对现有语义标注系统通用性差的问题,本研究设计了基于先导词算法的MARTT语义标注系统。MARTT利用有监督的机器学习方法从文本中提取领域规则,以适应不同的数据集。为了检验算法的效率,研究以中国植物志和北美植物志数据为样本,运用十折交叉论证方法与NB、SVM的标注性能进行了比较。结果表明,先导词算法在准确率、召回率及计算成本上均优于其它两种算法。而且,在两个不同的数据集上都获得了理想的结果,证实MARTT所具有的良好适应性。