基于先验知识的文本实体识别方法

阐述文本实体识别作为医疗相关人工智能应用的关键中间任务，其效果直接决定下游任务表现上限，然而传统方法中通常忽略医学知识的应用，很难取得良好表现。提出一种基于RoBERTa与CRF并融合医学知识的医学文本实体识别方法，将医学知识作为先验引入到CRF最优路径搜索环节，极大程度地提升了标签转换的连贯性，并在相关数据集主指标上取得了改善。     

2021保持初心,2022竭尽全力

2021年我们在深圳开设了办公室,在西安开设了实体店铺,在无锡开设了永久店址,体现对客人终身售后的承诺。互联网、直播浪潮浩浩汤汤,冲击着珠宝实体商家。面对网络的良莠不齐,各种利益诱惑,我们选择在产品上保持初心,始终坚持高品质、高服务与高性价比.     

改进的多层感知机在客户流失预测中的应用

针对在传统的客户流失预测数据预处理中，使用one-hot编码处理离散属性导致数据维度增加及数据过于稀疏的问题，提出了两种基于多层感知机的改进后的客户流失预测模型。其主要思想是分别使用堆叠自编码器和实体嵌入两种方法对多层感知机进行改进，通过将离散属性的高维编码数据向低维空间映射，有效地减少了one-hot编码产生的稀疏数据，增加了离散属性值之间的关联度。在对两份公开的数据集进行交叉验证后的实验结果表明，改进后的模型既有效地提高了预测的准确度，又维持了传统多层感知机模型在并行化计算方面的优势。     

命名实体识别技术综述

命名实体识别是自然语言处理中的热点研究方向之一,目的是识别文本中的命名实体并将其归纳到相应的实体类型中。首先阐述了命名实体识别任务的定义、目标和意义,分析提出了命名实体识别的主要难点在于领域命名实体识别局限性、命名实体表述多样性和歧义性、命名实体的复杂性和开放性;然后介绍了命名实体识别研究的发展进程,从最初的规则和字典方法到传统的统计学习方法再到现在的深度学习方法,不断地将新技术应用到命名实体识别研究中以提高性能;接着系统梳理了当下命名实体识别任务中的若干热门研究点,分别是匮乏资源下的命名实体识别、细粒度命名实体识别、嵌套命名实体识别以及命名实体链接;最后针对评判命名实体识别模型的好坏,总结了常用的若干数据集和实验测评指标,并给出了未来的研究建议。     

基于节点介数与边缘流行度的NDN缓存策略

针对命名数据网络(NDN)架构中多数缓存策略的冗余与低效问题,提出一种基于节点介数与边缘内容流行度的缓存放置策略BEP。结合节点的介数中心性与内容的动态流行度,同时考虑缓存的过滤作用,将最流行的内容放置在最重要的节点上,以高效利用稀缺的缓存资源。仿真结果表明,与经典NDN缓存策略LCE、LCD相比,BEP能有效提高缓存命中率,降低服务器负载。     

一种使用多跳事实的端到端知识库实体描述生成方法

自动化实体描述生成有助于进一步提升知识图谱的应用价值,而流畅度高是实体描述文本的重要质量指标之一。该文提出使用知识库上多跳的事实来进行实体描述生成,从而贴近人工编撰的实体描述的行文风格,提升实体描述的流畅度。该文使用编码器—解码器框架,提出了一个端到端的神经网络模型,可以编码多跳的事实,并在解码器中使用关注机制对多跳事实进行表示。该文的实验结果表明,与基线模型相比,引入多跳事实后模型的BLEU-2和ROUGE-L等自动化指标分别提升约8.9个百分点和7.3个百分点。     

仿人机器人的机械结构设计与控制系统构建

文章研发了一款适用于机器人教育教学的多功能、多用途、普适性的19自由度的小型仿人机器人,主要完成了该机器人的机械结构设计与控制系统构建工作[1]。所设计的机器人机械结构可靠性高、工艺性好、结构紧凑、样式新颖；所构建的机器人控制系统鲁棒性高、稳定性好、控制准确、反应迅速,圆满地实现了预期的设计任务。通过对优缺点的综合对比,得出组合式构型方案在功能性、实用性和稳定性等方面具有明显优势,有望通过后续软件系统的开发提高其运动效能,真正在青少年机器人教育中发挥重要作用[2]。     

实体渠道业务能力培训项目互联网化转型实践

线上线下混合式培训,在互联网化转型的大背景下,以提高实体销售渠道营销质量和效益为目标,对提升一线员工能力素质、提高企业绩效做出了积极的探索和尝试。针对某电信运营商部分实体渠道存在的销售下滑、营销手段单一和员工技能不足等共性问题,文章提出一种线上线下混合式培训实施方案,旨在通过规范化组织学习提升实体渠道销售能力和绩效,助力企业构建具有差异化能力的实体销售渠道体系,从而有效提升企业业绩。此方案已在某电信运营商进行实践应用,取得一定成效,为相关企业改善实体销售渠道绩效提供了参考案例。