- 年份
- 2024(10376)
- 2023(15072)
- 2022(13153)
- 2021(12433)
- 2020(10426)
- 2019(24217)
- 2018(24155)
- 2017(46659)
- 2016(25353)
- 2015(28772)
- 2014(28761)
- 2013(27866)
- 2012(25237)
- 2011(22448)
- 2010(22346)
- 2009(20197)
- 2008(19247)
- 2007(16550)
- 2006(14116)
- 2005(11772)
- 学科
- 济(96381)
- 经济(96264)
- 管理(72494)
- 业(67452)
- 企(56811)
- 企业(56811)
- 方法(49041)
- 数学(43057)
- 数学方法(42286)
- 农(25676)
- 中国(24330)
- 财(24298)
- 学(21693)
- 业经(21205)
- 制(18842)
- 地方(18623)
- 理论(18615)
- 农业(16912)
- 贸(16162)
- 贸易(16155)
- 技术(15781)
- 务(15734)
- 易(15685)
- 财务(15642)
- 财务管理(15606)
- 和(15587)
- 企业财务(14730)
- 环境(14693)
- 银(13684)
- 银行(13641)
- 机构
- 学院(349822)
- 大学(349538)
- 管理(141327)
- 济(132593)
- 经济(129487)
- 理学(123649)
- 理学院(122301)
- 管理学(119652)
- 管理学院(119024)
- 研究(111315)
- 中国(80805)
- 京(73699)
- 科学(71583)
- 财(59607)
- 农(57133)
- 业大(54857)
- 所(54852)
- 中心(51473)
- 研究所(50511)
- 江(50001)
- 财经(48696)
- 范(45916)
- 北京(45751)
- 师范(45401)
- 农业(44851)
- 经(44437)
- 院(41226)
- 州(40427)
- 技术(39534)
- 经济学(39123)
- 基金
- 项目(249987)
- 科学(196397)
- 研究(181156)
- 基金(180538)
- 家(157845)
- 国家(156564)
- 科学基金(135153)
- 社会(111662)
- 社会科(105656)
- 社会科学(105626)
- 省(98944)
- 基金项目(95774)
- 自然(90289)
- 自然科(88242)
- 自然科学(88220)
- 自然科学基金(86576)
- 教育(85209)
- 划(83166)
- 资助(75222)
- 编号(74811)
- 成果(59289)
- 重点(55658)
- 部(54505)
- 发(52225)
- 创(52171)
- 课题(51530)
- 创新(48571)
- 科研(48167)
- 大学(46727)
- 教育部(46718)
- 期刊
- 济(138248)
- 经济(138248)
- 研究(95497)
- 中国(65110)
- 学报(57271)
- 科学(51533)
- 管理(50814)
- 农(50776)
- 财(45112)
- 大学(43567)
- 教育(42742)
- 学学(41101)
- 农业(35386)
- 技术(33478)
- 融(24383)
- 金融(24383)
- 业经(23837)
- 财经(22596)
- 经济研究(21995)
- 经(19207)
- 图书(18372)
- 业(18063)
- 问题(17546)
- 科技(17265)
- 统计(16797)
- 版(16796)
- 技术经济(16530)
- 理论(16059)
- 业大(15158)
- 商业(15138)
共检索到488431条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 图书情报工作
[作者]
陈德鑫 占袁圆 杨兵 谢亚霓
[目的/意义]在线医疗信息抽取是实现医疗信息检索、医疗信息推荐、个人医疗健康提醒及警示、疾病诊断、公众健康监控、药物不良反应挖掘等服务的基础环节,而医疗实体抽取则是在线医疗信息抽取的首要工作。本文拟解决传统医疗实体抽取严重依赖于人工特征提取且效率低的问题。[方法/过程]以网络文本为研究对象,首先对医疗实体类型和医疗实体抽取的目标进行描述。将在线医疗文本中的医疗实体抽取任务看作序列标注问题来解决,通过对CNN模型和BiLSTM模型基础理论的探讨,构建基于混合深度学习模型CNN-BiLSTM的医疗实体抽取框架。[结果/结论]通过三组对比实验,验证了本文所使用的CNN-BiLSTM模型在医疗实体抽取任务中的有效性。
[期刊] 情报学报
[作者]
吴俊 程垚 郝瀚 艾力亚尔·艾则孜 刘菲雪 苏亦坡
专业术语的识别与自动抽取对于提升专业信息检索精度,构建领域知识图谱发挥着重要基础性作用。为进一步提升中文专业术语识别的精确率和召回率,提出一种端到端的不依赖人工特征选择和领域知识,基于谷歌BERT预训练语言模型及中文预训练字嵌入向量,融合BiLSTM和CRF的中文专业术语抽取模型。以自建的1278条深度学习语料数据为实验对象,该模型对术语提取的F1值为92.96%,相对于传统的浅层机器学习模型(如左右熵与互信息算法、word2vec相似词算法等)和BiLSTM-CRF深度神经网络模型的性能有较为显著的提升。本文也给出了模型应用的具体流程,能够为中文专业术语库的构建提供实践指南。
[期刊] 情报理论与实践
[作者]
叶艳 吴鹏 周知 黄炜 张莉曼
[目的/意义]为了从在线患者评论中识别医疗服务质量主题及其情感，本文提出基于LDA和BiLSTM模型的服务质量主题情感识别模型。[方法/过程]以好大夫在线为例，利用Python收集高血压患者139962条评价数据，采用LDA主题模型得到患者评论的13个主题，并结合相关文献得到6大医疗服务质量主题；根据BiLSTM模型得到各服务质量主题的情感倾向分布；对负向评论较多的服务质量主题进行筛选，分析负向情感产生的原因。[结果/结论]本文提出的方法能帮助医院和医生识别和改善医疗服务质量，提升患者的满意度，从而降低医患纠纷的发生率。
[期刊] 情报学报
[作者]
李志义 王冕 赵鹏武
自媒体环境下对海量评价信息进行情感分析与监控已越发重要,它不仅可推动观点挖掘的深入研究,而且可帮助企业探索用户需求以产生巨大的商业价值。本文在条件随机场模型(CRFs)的基础上,结合句法特性,通过实验选取合适的句法特性组合,寻找评价特征提取的路径;其次,构建了手机领域的评论语料库。然后,利用句法分析器把评论短句分解成相应的句法树,分析评价特征词和评价词之间存在的依存关系以及观点信息的完整性结构,利用算法将〈评价特征,评价词〉对从评论语料中抽取出来。提出了基于依存语法的〈评价特征,评价词〉对抽取方法,利用A
[期刊] 图书情报工作
[作者]
韩普 顾亮
[目的/意义]医学实体抽取是医疗健康领域信息组织和知识挖掘的关键环节。针对中文医学实体专业性强、命名规则复杂和抽取难度大的现状,探究如何利用多种深度学习方法混合协作以提升中文医学实体抽取的准确性。[方法/过程]首.先在深度学习模型BiLSTM-CRF基础上,引入语言模型BERT和迭代膨胀卷积神经网络IDCNN,增强文本语义表征能力和局部特征捕获能力;接着利用BERT预训练进行外部医学语料资源的知识迁移,实现多语义特征融合;然后引入自注意力机制捕获全局上下文重要信息,并加入Highway优化深层网络训练,解决网络加深导致的精度下降问题,最终提出MF-HDL(Multi Feature-Hybrid Deep Learning)模型。[结果/结论]MF-HDL模型在中文糖尿病数据集上效果显著,其F1值较基准模型IDCNN-CRF和BiLSTM-CRF分别提升18.42%和17.18%,此方法在中文医学实体抽取任务上表现优异。
[期刊] 情报科学
[作者]
李枫林 柯佳
【目的/意义】从大量非结构化文本中抽取出结构化的实体及其关系,是优化搜索引擎、建立知识图谱、开发智能问答系统的基础工作。【方法/过程】介绍了深度学习框架下不同神经网络模型实现实体关系抽取的方法,比较了各种模型的优劣势,结合远程监督和注意力机制进一步提高关系抽取性能,最后指出了深度学习模型的不足及未来发展方向。【结果/结论】实验发现,卷积神经网络擅长捕获句子局部关键信息,循环神经网络擅长捕获句子的上下文信息,能反映句子多个实体之间的高阶关系,递归神经网络适合短文本的关系抽取。如果模型能结合自然语言的先验知识
关键词：
深度学习 神经网络 实体关系抽取 词向量
[期刊] 运筹与管理
[作者]
吴丽丽 邰庆瑞 卞洋 李言辉
准确的碳价预测可为碳排放权交易市场监管者和投资者提供决策依据与参考。本文提出了基于GA-VMD降噪分解及CNN-BiLSTM-Attention混合模型的碳价预测方法，并选取湖北碳市场2014年4月2日到2022年6月15日1857个交易日的数据进行分析：首先通过遗传算法改进变分模态分解（GA-VMD）将原始碳价序列分解为平稳的本征模态函数（IMF）分量，降低数据噪音；随后构建CNN-BiLSTM-Attention混合模型对各IMF分量进行预测。其中，卷积神经网络（CNN）可提取影响碳价多个特征，双向长短期记忆网络（BiLSTM）可实现时间序列信息提取，注意力机制（Attention）可突出某个关键输入对输出的影响。本文将预测出的各IMF分量集合成碳价序列，并提出12个模型，分为3个组进行剥离分析，结果显示GA-VMD-CNN-BiLSTM-Attention的预测结果最好。另外，为给市场参与者提供更多信息，本文在确定性预测的基础上加入区间预测，以便提前测量碳市场的波动性。
[期刊] 情报理论与实践
[作者]
王昊 苏新宁
本文重点阐述了中文通用本体概念实例的机器抽取过程,建立了基于模式匹配的通用本体概念识别模型,以此作为领域本体自动构建的基础。此后探讨了该模型在情报学各研究领域中的应用前景,并通过实验检验模型在实际应用中的识别效果。
[期刊] 情报科学
[作者]
邱明涛 马静 张磊 姚兆旭
【目的/意义】提出一种基于可扩展LDA模型的微博话题特征抽取方法。【方法/过程】利用词语权重调整方法筛选高贡献度高频词语;基于bootstrap思想,迭代产生特征词条候选集;引入信息熵值理论筛选话题词条;并利用四维泛化分类实现对特征词条的泛化和归类。【结果/结论】本文以真实新浪微博数据为实验对象,实验结果表明基于扩展LDA模型的特征词提取方法可弥补传统LDA模型在话题可解释性上的不足,有效地对微博文本进行话题特征抽取。
关键词：
LDA模型 微博话题 话题特征 特征抽取
[期刊] 统计与决策
[作者]
刘源 尹慧萍 朱建平
文章基于对平稳时间序列数据的随机抽取,选用AR模型研究其模型定阶方法和参数评估准则。根据数据有序性的特点,提出利用交叉验证的方法确定自回归模型阶数,并通过对原数据的无放回抽取实现对系数参数估计的评估。实例分析结果表明,交叉验证的定阶与AIC准则定阶结果保持较高一致性,新的参数评估在一定的模型误差范围内可以得到更为简单有效的系数估计区间。
关键词：
随机抽取 AR模型 模型定阶 参数评估
[期刊] 统计与决策
[作者]
刘源 尹慧萍 朱建平
文章基于对平稳时间序列数据的随机抽取,选用AR模型研究其模型定阶方法和参数评估准则。根据数据有序性的特点,提出利用交叉验证的方法确定自回归模型阶数,并通过对原数据的无放回抽取实现对系数参数估计的评估。实例分析结果表明,交叉验证的定阶与AIC准则定阶结果保持较高一致性,新的参数评估在一定的模型误差范围内可以得到更为简单有效的系数估计区间。
关键词：
随机抽取 AR模型 模型定阶 参数评估
[期刊] 情报学报
[作者]
赵洪 王芳
理论术语的抽取是大规模文献内容分析和跨学科知识转移深度揭示的基础。作为一种特定类型的命名实体,理论术语涉及的学科多、文献规模大、特征复杂,也缺乏大规模的成熟语料,因而抽取难度较大。为提高理论术语的抽取性能并降低训练集的人工标注代价,本文构建了面向理论术语抽取的深度学习模型,并研究了该模型中理论术语的特征构造和标注方法,同时也提出了一种自训练算法以实现模型的弱监督学习。通过实验对比,分别验证了本文模型和自训练算法的有效性,不仅为理论术语抽取提供了更加有效的通用方法,也为其他类型命名实体的识别研究提供了方法参考。
[期刊] 情报理论与实践
[作者]
易明 李藿然 刘继月
[目的/意义]把握并识别在线研讨信息类型，有助于研讨用户快速获取研讨信息、减轻认知负担、形成对研讨状态的正确判断，从而提升研讨效率。[方法/过程]基于深度学习的文本语义理解和挖掘，构建在线研讨信息分类识别的深度学习组合模型GloVe-BiLSTM，进行在线研讨信息的自动化分类预测。利用GloVe对待分类文本进行训练，以获得字词级别的向量，再将词向量输入BiLSTM层提取语义特征，最后输入新的在线研讨文本以得到分类预测的最终结果。[结果/结论]针对CMV社区在线研讨信息的实验表明，构建的GloVe-BiLSTM组合模型在分类准确率、精确率、召回率、F1值等方面均具有出色表现，能够有效实现在线研讨信息的类型分类，为在线研讨社区服务优化提供参考。
[期刊] 图书情报工作
[作者]
王东波 胡昊天 周鑫 朱丹浩
[目的/意义]数据科学作为一个融合诸多领域的新兴交叉学科正在快速形成。从数据科学招聘的公告信息中,抽取出相应的实体知识不仅有助于从市场的角度了解数据科学的发展动态,而且有助于改进数据科学教学的内容。[方法/过程]基于各大招聘网站职位招聘公告,结合情报学的数据获取、标注和组织方法,构建数据科学招聘语料库并从中抽取相应的实体进行分析与研究。[结果/结论]在搜集到的11 000篇经过标注的职位招聘公告语料的基础上,基于Bi-LSTM-CRF、CRF和Bi-LSTM模型,对数据科学招聘实体的抽取任务进行性能的对比,确定最终的数据科学招聘实体自动抽取模型,设计数据科学招聘实体自动抽取平台,并构建数据科学招聘实体网络。
[期刊] 情报理论与实践
[作者]
邓擘 郑彦宁 樊孝忠
在基于Bootstrap的信息抽取技术中,为提高实体关系抽取模式的质量,需要对抽取模式的可信度进行评估。本文提出了根据模式的历史匹配记录来对其进行可信度评估的简单方法,并以此为基础对模式进行了优化合并。经过可信度评估的模式在对句子进行实体关系标注时,有效提高了标注的准确率。这说明该方法能够提高抽取模式的质量,对信息抽取系统的性能提高有一定价值。
关键词：
信息抽取 关系模式 模式匹配 可信度
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
