作者:潘东行; 袁景凌; 李琳; 盛德明 期刊:《计算机工程与科学》 2020年第02期
对网络上海量的文本数据进行情感分析,可以更好地挖掘网民行为规律、帮助决策机构了解舆情倾向和改善商家服务质量。在实际表达中,人们除了采用带有明显情感词的主观表达外,还采用含蓄的方式表达自己的主观倾向。带有显式情感词的文本情感分析作为自然语言处理领域的基础性研究任务,已经取得了丰富的研究成果。然而,针对隐式文本的情感分析技术还处于起步阶段。与显式情感分析任务相比,隐式情感分类任务更加困难。隐式表达文本具有...
作者:李太松; 贺泽宇; 王冰; 颜永红; 唐向红 期刊:《计算机科学》 2020年第03期
针对循环神经网络(Recurrent Neural Network,RNN)模型在序列流推荐中只能从宏观上捕捉序列的演变模式,忽略了物品(Item)间内部的微观联系,无法长程建模序列数据的变化规律的问题,提出了多维度序列建模算法循环时间卷积网络(Recurrent Temporal Convolutional Network,RTCN)。首先,将每个物品表示成定长向量,采用多层因果卷积和扩张卷积操作扩大感受野范围,建立序列元素间的长程依赖关系。利用残差连接网络提取不同层次的特征信息,...
作者:陈树德; 彭佳汉; 高旭; 赖晓晨 期刊:《现代计算机》 2020年第03期
交通问题具有非线性,不确定性的特征,传统算法往往难以取得较好的效果。深度学习模型在处理非线性、时序性的数据上拥有良好的表现。由此,提出一种基于深度强化学习的信号灯控制系统。该系统包括了几个部分:1)使用实时的交通数据或仿真环境产生数据;2)通过LSTM循环神经网络预测未来的交通信息;3)使用DDPG深度强化学习模型进行决策。在多个数据集上的实验验证算法的优越性及泛化能力。
作者:黄炎; 孙海丽; 徐科; 余晓阳; 王同洋; 张新访; 路松峰 期刊:《北京大学学报·自然科学版》 2020年第01期
针对计算机自动生成的文本缺乏主题思想这一问题,提出一种基于主题约束的篇章级文本自动生成方法。该方法围绕用户输入的主题描述语句提取若干主题词;然后对主题词进行扩展和主题聚类,形成文章主题规划;最后利用每个聚类中的关键词信息约束每个段落的文本生成。该模型从文本主题分布、注意力评分方法和主题覆盖生成3个方面对现有基于注意力机制的循环神经网络文本生成模型进行了改进。在3个真实数据集上分别与Char-RNN,SC-LSTM和MT...
作者:梁志剑; 谢红宇; 安卫钢 期刊:《计算机工程与设计》 2020年第02期
针对传统的循环神经网络模型在处理长期依赖问题时面临着梯度爆炸或者梯度消失的问题,且参数多训练模型时间长,提出一种基于双向GRU神经网络和贝叶斯分类器的文本分类方法。利用双向GRU神经网络提取文本特征,通过TF-IDF算法权重赋值,采用贝叶斯分类器判别分类,改进单向GRU对后文依赖性不足的缺点,减少参数,缩短模型的训练时间,提高文本分类效率。在两类文本数据上进行对比仿真实验,实验结果表明,该分类算法与传统的循环神经网络相...
作者:包志强; 赵研; 胡啸天; 赵媛媛; 黄琼丹 期刊:《计算机工程与设计》 2020年第01期
由于循环神经网络拥有复杂的模型结构,使训练模型达到最优变得困难。因此,提出一种最小窥视孔长短时记忆模型,它只有一个唯一门来更新信息,拥有两个网络层,通过减少一定的模型参数降低模型训练的难度,提高模型性能。实验结果表明,在不同数据集上,该模型性能高于长短期记忆模型,部分高于门循环单元模型,在参数个数、运行时间方面,其远小于长短期记忆模型以及门循环单元模型。
作者:胡均毅; 李金龙 期刊:《计算机工程》 2020年第03期
文本中的词并非都具有相似的情感倾向和强度,较好地编码上下文并从中提取关键信息对于情感分类任务而言非常重要。为此,提出一种基于情感评分的分层注意力网络框架,以对文本情感进行有效分类。利用双向循环神经网络编码器分别对词向量和句向量进行编码,并通过注意力机制加权求和以获得文档的最终表示。设计辅助网络对文本的词、句进行情感评分,利用该评分调整注意力权重分布。在探究文本的情感信息对分类性能的影响后,通过辅助网络...
作者:彭祝亮; 刘博文; 范程岸; 王杰; 肖明; 廖泽恩 期刊:《计算机工程》 2020年第03期
基于方面的情感分析已广泛应用于文本信息挖掘,但在句子情感极性模糊或包含多个不同方面情感极性时难以准确提取特征信息,削弱了情感极性分类效果。为解决该问题,提出一种结合双向长短记忆网络和方面注意力模块的情感分类方法。利用多个方面注意力模块同时对不同方面进行独立训练,使每个方面信息与注意力操作互不影响,各自进行注意力参数的学习与调整,以充分提取特定方面的隐藏信息,从而更准确地识别不同方面的情感极性。在SemEval...
作者:冯晋; 何兆成 期刊:《科学与信息化》 2019年第12期
短期交通状态预测是智能交通系统的重要组成部分,为了提高短期旅行时间趋势预测的精度,我们提出了基于改进型循环神经网络的预测模型。该方法首先通过特征构建与筛选处理原数据,然后利用神经网络去形成预测结果。在基于广州机场高速打卡数据集的实验中,该方法的预测准确率为80.1%,AUC为0.87,由此证明了本文方法的可行性。
作者:燕昺昊; 韩国栋 期刊:《网络与信息安全学报》 2018年第07期
已有入侵检测模型普遍只针对网络入侵行为的静态特征进行分析检测,造成检测率低及误报率高等缺陷,且无法有效应用低频攻击。为此提出一种新的基于深度循环神经网络(DRNN)和区域自适应合成过采样算法(RA-SMOTE)的组合式入侵检测模型(DRRS)。首先,RA-SMOTE对数据集中低频攻击样本进行自适应区域划分,实现差别样本增量,从数据层面提升低频攻击样本数量;其次,利用DRNN特有的层间反馈单元,完成多阶段分类特征的时序积累学习,同时...
作者:姜添; 戈嗣诚; 李健 期刊:《航天返回与遥感》 2019年第06期
为了对降落伞充气展开过程中的拉力、速度等关键特性进行预测,结合当下机器学习的研究热点,使用循环神经网络对空投试验数据进行学习和训练。文章对原始数据进行了归一化预处理并且采用批量梯度下降的训练方式;试验验证了循环网络方法对充气过程中重要参数进行计算的可行性;并且说明了时间序数索引项在试验中需带入网络参与计算的特点。试验结果表明,使用循环神经网络对训练集数据的开伞速度曲线拟合效果很好;计算结果能够准确反映...
作者:温惠英; 张东冉; 陆思园 期刊:《哈尔滨工业大学学报》 2019年第09期
为提高高速公路交通流预测精度,为高速公路管理部门动态控制诱导提供有效支撑,以实时交通流预测误差最小为目标,通过对高速公路数据的清洗和归一处理,分为4个不同时间间隔的数据集,按比例划分为训练数据集和测试数据集.采用遗传算法(GA)对数据时间窗步长、长短期记忆(LSTM)神经网络的隐藏层数、训练次数、dropout进行优化调参,分析4种参数对模型寻优影响,GA-LSTM模型在keras中以Tensorflow为后台进行训练拟合.结果表明:GA-LSTM模型...
作者:崔承刚; 邹宇航 期刊:《上海电力学院学报》 2019年第06期
随着对能源利用效率要求的提高及日益激增的光伏数据,传统的光伏预测方法已逐渐丧失优势。为了更加准确地进行光伏预测,采用深度学习的框架,并利用循环神经网络(RNN)中最重要的一个结构——长短时记忆网络(LSTM)对时间序列的强大处理能力进行了智能算法建模。由于LSTM具有“遗忘”与“更新”功能,很好地解决了长序依赖问题,从而使光伏预测在精度上有了质的变化,预测速度也得到显著提升。
作者:赵浩博; 李锡祚 期刊:《智能计算机与应用》 2019年第06期
本文提出了一种利用股票价格和相关新闻数据,基于卷积和循环神经网络模型融合的股票开盘价预测研究方法。针对股票开盘价预测的问题,考虑到股票相关信息的时序性以及新闻影响的持续性特点后,首先使用向量表示方法将新闻数据转换成向量,再利用卷积神经网络模型提取出股票相关的新闻文本特征,同时使用循环神经网络模型对股票价格数据进行训练,最后将新闻特征向量和价格训练后得到的向量合并,得到股票信息的低维向量表示并输入到深度...
为了从网页中快速获得隐含的有用信息,提出一种基于开始定界符的Web信息抽取方法。首先通过网络爬虫获取样本网页;其次对样本网页进行预处理;再通过循环神经网络训练预处理后的样本网页,获得开始定界符;最后利用lxml解析库实现目标抽取页面Web信息的定位与抽取。这样将半结构化的网页自动整理成结构化的知识,以便人们的查询及再利用。通过三个慕课网站的抽取实验,证明该方法抽取效果良好,可以抽取有用信息并具有可移植性。
作者:卢春华; 杨辉; 李云鹏 期刊:《情报理论与实践》 2019年第12期
[目的/意义]提出一种涵盖不同学习者的学习风格、知识水平以及学习模式等特征的差异的在线资源推荐技术,以克服学习者在拥有海量学习电子资源的在线学习平台中难以检索到满足其需求的学习资源的信息过载问题.[方法/过程]针对在线学习环境及其产生的数据,利用本体方法对学习者和学习资源的领域知识进行建模和表示,并使用循环神经网络挖掘学习者的学习模式,得到最终的资源推荐列表.[结果/结论]所提出的系统与传统的协同过滤及融合本...
作者:罗胜; 张翔; 胡杰; 王慕抽; 张笑钦 期刊:《中国图象图形学报》 2019年第10期
目的检测烟雾可以预警火灾。视频监控烟雾比传统的单点探测器监控范围更广、反应更灵敏,对环境和安装的要求也更低。但是目前的烟雾检测算法,无论是利用烟雾的色彩、纹理等静态特征和飘动、形状变化或者频域变化等动态特征的传统方法,还是采用卷积神经网络、循环神经网络等深度学习的方法,准确率和敏感性都不高。方法本文着眼于烟雾的升腾特性,根据烟雾运动轨迹的右倾直线特性、连续流线型特性、低频特性、烟源固定特性和比例特性,...
作者:薛佳瑶; 陈海勇; 周刚 期刊:《信息工程大学学报》 2019年第02期
城市范围内各区域车流量的预测对交通管制和公共安全有着重要意义。在图像处理和视频检测等领域知识的启发下,采用一种基于经纬度的网格分割方法,将城市范围内的车流量处理为一系列的静态图像,然后输入到一个由卷积循环神经网络(Convolutional Recurrent Networks,CRNs)所构建的编码-预测模型中。文章所提的CRNs结合卷积神经网络(CNN)和长短时记忆(LSTM)的优点,利用CNN挖掘区域间车流量在空间上的相关性,LSTM挖掘区域内车流量在时...
作者:赵薇; 许铜华; 王楠 期刊:《战术导弹技术》 2019年第05期
目前,针对震动信号的目标检测与识别方法已得到广泛而深入的研究,但对距离较远、目标信号幅值与背景噪声幅值相近或相等的行人等目标的探测精度无法达到较高水平。针对该问题,从时域信号特征提取与学习的角度出发,提出一种基于深度学习的目标检测与识别方法,通过提取行人行走及跑步信号的峰值序列,将该序列输入循环神经网络进行训练,从而得到可准确检测与识别行人震动信号的网络模型。实验结果表明,该方法对远距离(≥30 m)行人目标...
作者:张喆韬; 万旺根 期刊:《电子测量技术》 2019年第19期
针对运动模糊图像的深度图估计以及减少网络训练成本,提出了基于左右视图一致性约束的多尺度去糊递归网络LRSDR-Net。首先,利用多尺度去糊子网络对图像进行去糊重建。在此基础上,利用自编码网络生成视差图像。最后,利用基于平行光轴的双目对极几何模型对视差图进行深度估计生成深度图像。通过与同类方法的主观定性与客观定量对比,实验结果表明,所提方法在视差估计的相对绝对误差、相对平方误差、均方误差与log均方误差等指标上取得...