融合自注意力和实体类型知识的实体关系联合抽取模型

从非结构化文本中抽取实体关系三元组是自然语言处理中的主要任务形式之一。目前主流的方法是采用联合式抽取,能够在训练过程中自动捕捉到实体与关系间的依赖知识,提高了实体和关系的抽取效果。但这些方法忽略了实体的类型知识,导致大量的冗余计算和错误结果的产生。鉴于此,文中提出一种融合注意力和实体类型知识的实体关系联合抽取方法。首先,采用预训练模型BERT作为编码器得到句子中各字符的向量表示,再经双向LSTM层处理得到最终的语义表示;其次,基于表示层的结果完成头、尾实体的识别;接着,通过融合不同头实体的语义信息到句子表示中,实现头实体类型约束下的潜在语义关系发现;最后,将头实体和关系分别输入自注意力模块识别出对应尾实体,得到实体关系三元组。通过在公开数据集NYT和WebNLG上的大量实验表明：文中所提模型在实体关系联合抽取任务中的F1值达到了93.2%和93.3%,与当前主流模型相比提升显著。     

基于改进注意力机制的实体关系抽取方法

实体关系抽取是知识库构建中至关重要的一个环节.在众多的实体关系抽取方法中,远程监督结合神经网络模型的方法在准确率等性能上是比较令人满意的,但远程监督获取的标注语料中往往存在大量的噪声数据,给实体关系抽取模型的训练带来了很大的影响.本文提出一种基于改进注意力机制的卷积神经网络实体关系抽取模型.该模型针对包含同一实体对的句子集合,从中尽可能地找出所有体现该实体对关系的正实例,构建组合句子向量,抛弃可能的噪声句子,从而最大程度地降低噪声句子的影响又能充分利用正实例的语义信息.实验证明,本文提出的关系抽取模型在准确率上优于对比的关系抽取模型.     

联合con-GRU与ATGAT模型的情感分析三元组方法

情感分析三元组任务是情感分析任务的研究热点,其目的在于将方面词、情感词与情感极性组成三元组。图神经网络是提取句子特征的有效手段,但其无法关注节点与节点之间的关系,并且注意力权重赋予不合理。为此,提出一种联合双向对抗GRU与基于句法注意力机制的GAT模型。利用依存句法树的句子向量和ATGAT模型提取句子情感词,并将句子用syn-str更新向量表示;再融合句法结构的向量,通过双向对抗GRU提取特征进行情感判断。在三个公开英文数据集中开展实验,结果表明,所提模型相对其他基线模型具有更优异的性能。消融实验和对比实验也说明,所提出的各个网络模型组件比其他组件能更有效地将句法信息与原句向量融合。     

双路注意力引导图卷积网络的关系抽取

为了更好地学习节点依赖并利用结构信息,本文提出一种以完全依赖树作为直接输入的新方法,利用图卷积网络并结合两个并行的注意力模块,自主学习如何有选择地关注对关系抽取任务有用的信息.该方法将样本表示成图上的各节点,一个模块用于计算节点特征位置之间的影响,使特征向量可以包含更广范围的语义信息,另一个用于计算节点依赖的关系特征,...     

基于自注意力卷积神经网络的实体关系抽取

在自然语言处理解领域中,实体关系抽取作为信息抽取中的一个重要分支,旨在从自然文本中提取出两个实体之间的语义关系。大多数研究工作都是基于NLP系统的特征,特征提取工程和预处理过程十分冗杂,并且由LTP工具提取出来的特征会在模型中迭代而产生错误传播。为了避免对NLP系统的滥用,提出一种基于端到端的自注意力卷积神经网络模型来提取实体对之间的语义关系。实验结果表明,该方法在SemEval-2010 Task 8数据集上的F₁值提高了约1.3%。     

基于深度学习的远程监督关系抽取方法研究

为更好判定远程监督语句中的实体语义关系,实现对语言处理信息的准确提取,提出基于深度学习的远程监督关系抽取方法.借助远程监督方法,获取关系三元组中已存储的信息参量,再通过待学习数据标注的方式,完成远程监督关系的抽取数据集构建.在此基础上,设计监督执行框架,利用已定义的句子级别特征条件,实现对待抽取标签的学习处理,完成基于...     

基于多通道特征融合的上下位关系抽取方法

上下位关系抽取是知识图谱构建的关键环节,目前常用的基于模板和分布式的方法存在可移植性差、召回率低等不足。针对这些问题,提出了一种基于多通道特征融合的上下位关系抽取方法,通过预训练词嵌入、双向LSTM和依存句法树结果编码三个通道来构建模型编码器。首先,提出了上下位关系抽取整体框架,包括数据挖掘与标注模块、特征抽取模块、候选句打分模块及结果排序模块。然后,针对特征抽取模块,提出了融合句法依存关系、上下文特征以及预训练特征的自适应编码方法;针对句子打分模块,提出了包含编解码器结构的网络模型。最后,通过对准确率、召回率、查全率进行消融实验,表明所提出的模型具有较好的有效性和更好的可解释性。     

关系抽取方法研究

关系抽取是自然语言处理技术的重要基础之一,也是机器学习、模式识别和本体工程等相关领域广泛研究的问题。近年来,随着相关领域中新技术的不断涌现,关系抽取方法也得到了新发展。对这些新发展进行了较详细的归纳,总结了关系抽取方法发展的趋势。     

基于BERT和注意力引导图卷积网络的关系抽取

针对现有图卷积网络在关系抽取任务中存在文本语义,语法表征不准确和在不同树结构上并行化计算较难等问题,本文提出一种基于BERT和注意力引导图卷积网络的关系抽取模型。首先,在模型的输入层使用BERT和Bi-LSTM编码出适应于上下文语境的词向量;其次,对输入的树结构采用最短路径为中心的修剪方式,减少树中的无关信息;最后,在模型中引入多头注意力机制,自动学习不同子空间内对关系提取有用的相关子结构,并在TACRED数据集上进行验证。实验结果表明,相对于基线模型,本文提出的模型显著提高了实体关系抽取的F₁值。     

利用曲波变换和局部线性嵌入算法的SAR图像海面油膜特征提取

溢油事故带来的海洋污染问题日益严重,SAR图像快速准确地自动识别为溢油事故的处理和决策支持提供了重要前提。为了获得更高的油膜识别准确率,提出了一种基于曲波变换（Curvelet）和局部线性嵌入（Local Linear Embedding,LLE）算法的SAR图像特征提取方法。首先,利用Curvelet对图像进行分解,选取包含了主要信息的低频分量作为新的图像矩阵;然后,利用LLE进行非线性降维,提取图像分类特征。为了验证提取特征的有效性,所提的Curvelet-LLE算法与PCA、LLE、等距特征映射（Isomap）、Curvelet变换和 Fisher 判别分析(Curvelet-KFD)、Wavelet-LLE等特征提取算法,利用K最近邻和支持向量机分类器分别进行了对比实验。实验结果表明,Curvelet-LLE算法能更有效地提取SAR图像油膜识别的分类鉴别特征,其准确率相对较高,具有较好的实用性。     

融合注意力机制与残差网络的人耳识别方法

人耳特征具有良好的唯一性与稳定性等特点,近年来被广泛应用于身份识别领域。针对人耳采集易受头发、耳饰等物品遮挡问题,本文提出了一种基于ERNet的人耳识别方法。该方法在IResNet网络的基础上,引入改进的SE模块,通过融合最大池化与均值池化的统计特性,增强身份相关特征的表示,抑制非相关特征的影响,以此解决在非受控环境下由于遮挡原因造成的识别困难问题。大量实验结果表明,相比较于原网络,改进后的方法识别性能提高较为明显。在同等遮挡条件下,本文所提出的模型具有较好的鲁棒性能。     

一种提取开放微波传输线电磁参数的快速算法--有限元-本征函数展开结合法

基于区域分裂的思想,通过引入一虚拟圆形边界,将开放微波传输线的整个无界区域划分为圆内和圆外两部分.圆内有限区域采用通常的有限元法离散,而将整个圆外无限区域看作一个"无限大"单元,采用以本征函数展开的Fourier级数作为插值函数的离散方法.这种处理方法不仅保留了有限元法非常适合于含有复杂介质和任意柱(带)状导体的特点,同时也能很好地把有限元方法的求解区域推广至无穷远,从而形成了一种提取开放微波传输线电磁参数的快速算法:有限元-本征函数展开结合法.文中对几种(耦合)微带线的实例计算表明,该方法精度高、速度快、简单易行并且对结构的适应性强.     

一种轮胎X射线图像缺陷提取和分割方法

针对轮胎X射线图像对比度不高、图像噪声多和存在较大背景起伏的特点,提出一种基于平滑滤波和灰度校正的轮胎X射线图像缺陷提取和分割方法。首先采用平滑滤波的方法,消除带束层帘线影像和图像中的高频噪声;然后依据整幅图像的灰度均值和图像中每个像素的邻域内部灰度均值的比例关系,对像素的灰度进行校正;最后对校正后的图像进行二值化处理,完成对轮胎X图像的分割。实验结果表明,该方法能够有效地实现轮胎X射线图像缺陷的提取和分割。     

Synthesis,characterization and photocatalytic behavior of mesoporous ZnS nanoparticles prepared by hybrid salt extraction and structure directing agent method

Mesoporous ZnS nanoparticles have been synthesized using hybrid salt extraction and surfactant assisted approach. Synthesis procedures were conducted in ethanol media under ultrasonic irradiation. As a by-product of the synthesis reaction, NaNO₃, has a very low solubility in ethanol and acts as a template for porosity formation in the final solid structure. In addition, various structure directing agents, namely, CTAB, DDA, F127 and SDS have been used as soft templates for further porosity formation. Characterization of the synthesized specimens was performed using Transmission Electron Microscopy (TEM), X-ray diffraction (XRD), N₂-physisorption, Furrier Transformation Infrared Spectroscopy (FTIR) and Diffuse Reflectance Spectroscopy (DRS). Results show that the by-product has the major contribution on the specific surface area of the obtained samples. It was found that MP-ZnS synthesized by DDA surfactant has the highest values of surface area (261 m² g⁻¹), pore volume (0.43 cm³ g⁻¹) and average pore diameter amongst all of the samples under study. Studies on adsorption efficiency and photocatalytic behavior of the synthesized specimens were conducted for methylene blue removal from aqueous solution. Results revealed that the MP-ZnS sample synthesized using CTAB surfactant has the best total degradation efficiency amongst the samples under study. Findings were explained using optical band gap energy values (deduced from DRS spectra), the intensity of C-H bond vibrations in FTIR spectra, water droplet contact angle, average pore volume and diameter and also specific surface area from N₂-physisorption data. At the end a simple mechanism was proposed in order to explain the main phenomena leading to photocatalytic removal of MB from aqueous solutions.     

基于注意力机制和残差结构的细胞核分割方法

病理细胞核的精准分割是病理学诊断的基础,然而当前算法针对带有核分裂象的乳腺癌细胞核自动分割效果差强人意。本文针对当前细胞核分割算法展开分析研究,并提出了一种基于注意力机制和残差结构相结合的U型网络(U＿net)用于解决因核分裂象和非核分裂象细胞形态特征十分接近造成细胞核分割精度不足的问题。通过实验表明本文提出算法的平均像素准确率(mean pixel accuracy,MPA)和Mean＿dice指标系数分别为0.74和0.82。与原有算法相比,训练指标分别提升了11%和9%,证明本文算法的可行性。     

A simple,direct and reliable extraction method applied to GaN devices

In this article, a simple, direct and reliable extraction method has been developed and applied to different sizes of Gallium Nitride (GaN) high electron mobility transistors (HEMTs). Instead of high-voltage gate-forward measurements with risk of device damage, the proposed approach uses only uncritical cold S-parameters at pinch-off (V_GS < V_p, V_DS = 0 V) and in the off-state (V_GS = 0 V, V_DS = 0 V). The extraction procedure is validated by small- and large-signal measurements. Very good agreement is obtained. Scaling of parasitic elements with the device size is confirmed.     

基于视觉认知机理的复杂动态背景下目标提取

针对现有复杂动态背景下目标检测与提取算法存在的局限性,提出构建一种基于视觉认知机理的时空域特征交互模式,以及基于该模式的复杂动态背景下的目标检测与提取算法。该算法通过时域特征在相似空域特征上的传递和空域特征依据时域特征一致性进行捆绑两个交互作用,实现复杂动态背景下的目标检测和提取。实验结果表明该算法不仅有效克服了传统目标检测与提取算法凭借单一特征或特征组合进行复杂背景中目标提取的不稳定性,同时大大降低了虚警率。     

一种基于DWT通道分离和函数提取的运动目标检测新方法

智能视频监控由于其智能性、实时性和高检测率成为交通和安防领域的热点研究方向,其中运动目标实时检测是智能视频监控中的一个基本和重要的部分。本文提出一种针对智能视频监控的运动目标检测新方法：包括视频帧的小波变换、YCb Cr通道分离、目标检测与融合等环节。与传统的检测方法相比,该方法检测运动目标速度较快,精确度较高,且同时还能抑制弱的阴影。     

一种基于IGA的融合点云和影像的建筑物提取方法

针对精细化实景三维建筑物建模,提出一种基于改进遗传算法（IGA）的建筑物LiDAR点云与正射影像融合提取方法：计算并提取基于点云和影像的特征,实现点云特征空间的扩张;再改进遗传算法选择点云特征,构建并优化特征空间;最后使用SVM分类器实现建筑物点云的精准提取。在ISPRS公开数据集Vaihingen测试数据的试验表明本文方法具有较高的建筑物提取精度;在实际生产数据的实验表明建筑物提取精度较高且稳定,证明了本文方法的先进性和普适性。