期刊导航
期刊开放获取
VIP36
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于混合神经网络和注意力机制的生物医学事件触发词识别方法
1
作者
任永功
林禹竹
+2 位作者
唐玉洁
于博
何馨宇
《电子学报》
EI
CAS
CSCD
北大核心
2024年第9期3206-3216,共11页
生物医学事件作为生物医学文本挖掘的重要组成部分,在生物医学研究和疾病的预防中发挥着重要作用.触发词识别是生物医学事件抽取的关键和前提步骤,旨在提取描述事件类型的关键词.传统方法在特征提取过程中过分依赖自然语言处理工具,导...
生物医学事件作为生物医学文本挖掘的重要组成部分,在生物医学研究和疾病的预防中发挥着重要作用.触发词识别是生物医学事件抽取的关键和前提步骤,旨在提取描述事件类型的关键词.传统方法在特征提取过程中过分依赖自然语言处理工具,导致耗费人工成本.另外,由于生物医学文献的特殊性—长文本语句多,导致长距离依赖问题比较明显.为了解决这些问题,我们提出了一种混合结构,由残差卷积神经网络和双向长短期神经网络、混合神经网络和多头注意力机制组成.该模型利用残差卷积神经网络提取单词级特征并利用双向长短期神经网络提取上下文语义信息.此外,本文通过空间域滑动窗口将长句划分为等长短句,在不破坏上下文信息的前提下,避免了长距离依赖.实验结果表明,本文提出的方法在生物医学事件抽取通用语料MLEE(Multi-Level Event Extraction)上取得了较好的效果,F值达到81.15%.
展开更多
关键词
生物医学事件抽取
触发词识别
ReCNN-BiLSTM
空间域滑动窗口
MUH-Attention机制
混合神经网络
在线阅读
下载PDF
职称材料
融合多尺度CNN和CRF的通用细粒度事件检测
2
作者
任永功
阎格
何馨宇
《小型微型计算机系统》
CSCD
北大核心
2024年第4期859-864,共6页
事件检测是自然语言处理领域中事件抽取的主要任务之一,它旨在从众多非结构化信息中自动提取出结构化的关键信息.现有的方法存在特征提取不全面、特征分布不均等情况.为了提高事件检测的准确率,提出了一种融合BERT预训练模型与多尺度CN...
事件检测是自然语言处理领域中事件抽取的主要任务之一,它旨在从众多非结构化信息中自动提取出结构化的关键信息.现有的方法存在特征提取不全面、特征分布不均等情况.为了提高事件检测的准确率,提出了一种融合BERT预训练模型与多尺度CNN的神经网络模型(BMCC,BERT+Multi-scale CNN+CRF).首先通过BERT(Bidirectional Encoder Representations from Transformers)预训练模型来进行词向量的嵌入,并利用其双向训练的Transformer机制来提取序列的状态特征;其次使用不同尺度的卷积核在多个卷积通道中进行卷积训练,以此来提取不同视野的语义信息,丰富其语义表征.最后将BIO机制融入到条件随机场(CRF)来对序列进行标注,实现事件的检测.实验结果表明,所提出的模型在MAVEN数据集上的F1值为65.17%,表现了该模型的良好性能.
展开更多
关键词
事件检测
BERT
多尺度CNN
条件随机场(CRF)
交叉验证
在线阅读
下载PDF
职称材料
题名
基于混合神经网络和注意力机制的生物医学事件触发词识别方法
1
作者
任永功
林禹竹
唐玉洁
于博
何馨宇
机构
辽宁师范
大学
计算机与人工智能学院
大连理工大学通信与工程博士后研究站
大连
永佳电子技术有限公司
博士后
工作站
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第9期3206-3216,共11页
基金
国家自然科学基金(No.62006108,No.61976109)
辽宁省“兴辽英才计划”项目(No.XLYC2006005)
+3 种基金
辽宁省普通高等教育本科教学改革研究项目(辽教通[2022]166号)
辽宁省高等学校科学研究项目(No.LJKZ0963)
辽宁师范大学本科教学改革研究与实践项目(No.LSJG202210)
辽宁省科技厅重点研发项目(No.2022JH2/101300271)。
文摘
生物医学事件作为生物医学文本挖掘的重要组成部分,在生物医学研究和疾病的预防中发挥着重要作用.触发词识别是生物医学事件抽取的关键和前提步骤,旨在提取描述事件类型的关键词.传统方法在特征提取过程中过分依赖自然语言处理工具,导致耗费人工成本.另外,由于生物医学文献的特殊性—长文本语句多,导致长距离依赖问题比较明显.为了解决这些问题,我们提出了一种混合结构,由残差卷积神经网络和双向长短期神经网络、混合神经网络和多头注意力机制组成.该模型利用残差卷积神经网络提取单词级特征并利用双向长短期神经网络提取上下文语义信息.此外,本文通过空间域滑动窗口将长句划分为等长短句,在不破坏上下文信息的前提下,避免了长距离依赖.实验结果表明,本文提出的方法在生物医学事件抽取通用语料MLEE(Multi-Level Event Extraction)上取得了较好的效果,F值达到81.15%.
关键词
生物医学事件抽取
触发词识别
ReCNN-BiLSTM
空间域滑动窗口
MUH-Attention机制
混合神经网络
Keywords
biomedical event extraction
trigger detection
ReCNN-BiLSTM
spatial domain sliding window
MUHAttention
mixed neural network
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
融合多尺度CNN和CRF的通用细粒度事件检测
2
作者
任永功
阎格
何馨宇
机构
辽宁师范
大学
计算机与信息技术学院
大连理工大学通信与工程博士后研究站
大连
永佳电子技术有限公司
博士后
工作站
出处
《小型微型计算机系统》
CSCD
北大核心
2024年第4期859-864,共6页
基金
国家自然科学基金项目(62006108,61976109)资助
中国博士后科学基金面上项目(2022M710593)资助
+3 种基金
辽宁省“兴辽英才计划”项目(XLYC2006005)资助
辽宁省高等学校科学研究项目(LJKZ0963)资助:辽宁省科技厅重点研发项目(2022JH2/101300271)资助
辽宁省科技厅自然科学项目(2021-BS-201)资助
辽宁省重点实验室项目(LNZDSYS2000016)资助.
文摘
事件检测是自然语言处理领域中事件抽取的主要任务之一,它旨在从众多非结构化信息中自动提取出结构化的关键信息.现有的方法存在特征提取不全面、特征分布不均等情况.为了提高事件检测的准确率,提出了一种融合BERT预训练模型与多尺度CNN的神经网络模型(BMCC,BERT+Multi-scale CNN+CRF).首先通过BERT(Bidirectional Encoder Representations from Transformers)预训练模型来进行词向量的嵌入,并利用其双向训练的Transformer机制来提取序列的状态特征;其次使用不同尺度的卷积核在多个卷积通道中进行卷积训练,以此来提取不同视野的语义信息,丰富其语义表征.最后将BIO机制融入到条件随机场(CRF)来对序列进行标注,实现事件的检测.实验结果表明,所提出的模型在MAVEN数据集上的F1值为65.17%,表现了该模型的良好性能.
关键词
事件检测
BERT
多尺度CNN
条件随机场(CRF)
交叉验证
Keywords
event detection
BERT
multi-scale CNN
Conditional Random Field(CRF)
cross-validation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于混合神经网络和注意力机制的生物医学事件触发词识别方法
任永功
林禹竹
唐玉洁
于博
何馨宇
《电子学报》
EI
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
2
融合多尺度CNN和CRF的通用细粒度事件检测
任永功
阎格
何馨宇
《小型微型计算机系统》
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
