排序方式: 共有63条查询结果,搜索用时 15 毫秒
61.
62.
现有用户画像方法缺乏不同粒度文本信息表示,且特征提取阶段存在噪声,导致构建画像不够准确。针对以上问题,提出一种融合多粒度信息的用户画像生成方法(user profile based on multi-granularity information fusion,UP-MGIF)。首先,该方法在嵌入层融合字粒度、词粒度表示向量以扩充特征内容;其次,在改进双向门控循环单元网络基础上,结合降噪自编码器和注意力机制设计一种特征提取混合模型Bi-GRU-DAE-Attention,实现特征降噪和语义增强;最后,将鲁棒性强的特征向量输入到分类器中实现用户画像生成。实验表明,该用户画像生成方法在医疗和互联网两个画像数据集上的分类准确率高于其他基线方法,并通过消融实验验证了各个模块的有效性。 相似文献
63.
针对近红外光谱高维、非线性、大量噪声对定量建模的影响,将深度自编码网络引入到光谱特征学习中,提出一种改进卷积自编码网络的特征提取方法(1D-BCAE),并将其应用到烟叶关键指标的近红外光谱定量建模中,提高了模型的准确性和稳健性。首先利用适合光谱数据的一维卷积核和池化窗口进行特征提取,其次在编码过程中加入BasicBlock模块和批归一化(BN)结构优化网络结构,减少了参数量和计算量的同时,降低了光谱中的噪声和非线性特征的影响,优化了网络的训练效率。通过设计一种对应相连的结构,把编码器中各模块的参数传递给相应的解码器,减少了网络训练过程中细节特征的丢失。通过实验对比重构误差和均方根误差,验证了所提方法的有效性,然后分别采用全谱段和主成分分析(PCA)、卷积自编码(CAE)网络、1D-BCAE提取后的特征结合偏最小二乘(PLS)法建立了关于烟叶中烟碱、总糖指标的定量模型,并进行了对比分析。结果表明,1D-BCAE能有效学习高维数据中的内在结构和非线性关系,所建的模型具有更好的性能。所提方法实现了对待测组分光谱信息的有效提取,对建立稳健校正模型、降低模型复杂度具有重要意义。 相似文献