下载 >  开发技术 >  其它 > 论文研究-基于LSTM网络的序列标注中文分词法.pdf

论文研究-基于LSTM网络的序列标注中文分词法.pdf 评分:

当前主流的中文分词方法是基于字标注的传统机器学习方法,但传统机器学习方法需要人为地从中文文本中配置并提取特征,存在词库维度高且利用CPU训练模型时间长的缺点。针对以上问题进行了研究,提出基于LSTM(long short-term memory)网络模型的改进方法,采用不同词位标注集并加入预先训练的字嵌入向量(character embedding)进行中文分词。在中文分词评测常用的语料上进行实验对比结果表明,基于LSTM网络模型的方法能得到比当前传统机器学习方法更好的性能;采用六词位标注并加入预先训练的字嵌入向量能够取得相对最好的分词性能;而且利用GPU可以大大缩短深度神经网络模型的训练时间;LSTM网络模型的方法也更容易推广并应用到其他自然语言处理中序列标 注的任务。
...展开详情收缩
2019-07-23 上传大小:1.16MB
分享
收藏 举报
论文研究-基于LSTM神经网络的股价短期预测模型 .pdf

基于LSTM神经网络的股价短期预测模型,成烯,钟波,股价预测是时间序列预测领域最具有挑战性的问题,准确预测股价能够帮助投资者降低风险,提高收益。本文应用LSTM神经网络对股价指��

立即下载
论文研究-基于LSTM网络中文地址词法的设计与实现.pdf

当前中文地址的分词法主要采用基于规则和传统机器学习的方法。这些方法需要人工长期维护词典和提取特征。为避免特征工程和减少人工维护,提出了将长短时记忆(long short-term memory,LSTM)网络和双向长短时记忆(bi-directional long short-term memory,Bi-LSTM)网络分别应用在中文地址分词任务中,并采用四词位标注法以及增加未标记数据集的方法提升分词性能。在自建数据集上的实验结果表明,中文地址分词任务应用Bi-LSTM网络结构能得到较好的性能,在增加未标记数据集的情况下,可以有效提升模型的性能。

立即下载
论文研究-基于SAE和LSTM的下肢外骨骼步态预测方法.pdf

提出一种基于栈式自动编码器(Stacked Auto Encoder,SAE)和长短时记忆(Long Short-Term Memory,LSTM)神经网络相结合的步态预测方法解决下肢外骨骼机器人跟随控制问题。人体在行走过程中下肢步态具有一定的周期性,通过将下肢运动信息作为输入,步态作为输出,构建SAE-LSTM神经网络模型,并利用Keras对SAE-LSTM神经网络进行搭建和验证。实验结果表明,SAE-LSTM神经网络根据之前时间段的步态序列有效地预测出下一时刻的步态信息,平均准确率能够达到92.9%以上。

立即下载
论文研究-基于LSTM神经网络模型的交通事故预测.pdf

道路交通事故是道路交通安全水平的具体体现,为使预测数据更科学地为交通管理系统提供决策。提出建立基于LSTM(Long Short-Term Memory)神经网络的交通事故模型,训练交通事故相关的数据,对交通安全水平的指标进行预测。经过与传统回归模型和传统神经网络模型进行实验对比,实验显示LSTM拟合效果最佳,另外LSTM模型对同一趋势上的预测效果有明显优势。通过使用LSTM模型捕获数据中存在的时序依赖关系,能够更准确地对交通事故安全水平进行预测,使交通管理部门制定更加科学准确的决策。

立即下载
论文研究-基于卷积神经网络和Tree-LSTM的微博情感析.pdf

微博情感分析旨在研究用户关于热点事件的情感观点,研究表明深度学习在微博情感分析上具有可行性。针对传统卷积神经网络进行微博情感分析时忽略了非连续词之间的相关性,为此将注意力机制应用到卷积神经网络(CNN)模型的输入端以改善此问题。由于中文微博属于短文本范畴,卷积神经网络前向传播过程中池化层特征选择存在丢失过多语义特征的可能性,为此在卷积神经网络的输出端融入树型的长短期记忆神经网络(LSTM),通过添加句子结构特征加强深层语义学习。在两种改进基础上构造出一种微博情感分析模型(Att-CTL),实验表明该模型在微博情感分析上具有优良的特性,尤其在极性转移方面仍保持较高的F1值。

立即下载
论文研究-基于改进萤火虫算法的LSTM预测模型 .pdf

基于改进萤火虫算法的LSTM预测模型,韩宪斌,亓峰,本文针对LSTM神经网络预测时存在的收敛慢、超参数调整困难等缺陷,提出了通过萤火虫算法优化神经网络结构以提高流量预测性能的模��

立即下载
知识图谱-基于LSTM的语义关系研究

知识图谱-基于LSTM的语义关系分类研究, 通过长短时记忆神经网络来对语义分类构造知识图谱

立即下载
Python-基于LSTM类的文本情感

文本情感分析作为NLP的常见任务,具有很高的实际应用价值。本文将采用LSTM模型,训练一个能够识别文本postive, neutral, negative三种情感的分类器。

立即下载
论文研究-基于深度学习的ADHD儿童和正常儿童脑电信号研究.pdf

针对注意缺陷多动障碍(attention deficit hyperactivity disorder,ADHD)儿童和正常儿童的分类问题,实验采用经典干扰控制任务范式对两类儿童的事件相关电位(event-related potential,ERP)进行了研究,旨在通过ERP特征实现其分类。实验首次使用长短期记忆(long-short term memory,LSTM)方法分析两类儿童前额叶与顶枕叶脑区最佳电极(p<0.05)潜伏期(200~450 ms)的脑电信号,并自动学习和分类其ERP特征。相比常规分类方法,LSTM方法的分类率略高,可达95.78%。研究结果表明LSTM方法有助于ADH

立即下载
论文研究-基于LSTM神经网络融合用户相似性的移动轨迹预测 .pdf

基于LSTM神经网络融合用户相似性的移动轨迹预测,童凯南,林彦,随着智能设备和位置采集技术的普及,积累了大量轨迹数据。通过学习人群的移动轨迹,可以获得其移动规律,基于此信息进行地点预测

立即下载
Python-利用LSTM进行多标签时间序列

利用LSTM进行多标签时间序列分类

立即下载
论文研究-基于recurrentneuralnetworks的网约车供需预测方法.pdf

以网约车订单等真实数据为数据源,结合TensorFlow深度学习框架,利用循环神经网络(recurrent neural networks)方法,预测网约车在未来某时间某地点的订单需求量。提出改进LSTM RNN(长短时记忆循环神经网络)模型,经过对其优化和训练,能够有效预测网约车未来某时间某地点的供需量。对数据源进行可视化分析,排除不相关数据源干扰,以此为基础设计仿真实验。仿真实验表明,该模型的正确率比反向传播神经网络(BPNN)、回归决策树(DTR)、非线性回归支持向量机(SVR)以及随机漫步(RW)等模型高,同时,对长短间隔不同的历史数据有较好的记忆能力,在测试数据上有较强的泛化能力。

立即下载
论文研究-基于LSTM的动态图模型异常检测算法研究.pdf

传统异常检测模型往往基于内容特征,随着攻击手段的提高,该方法易于被绕过,因此图挖掘技术逐渐成为了国内外学术研究的热点。为了提高异常检测的准确率,提出了一种基于长短时记忆网络的动态图模型异常检测算法。首先通过对动态图的变化特征进行分析,总结了Egonet图结构距离和编辑距离两类特征,高效地表示动态图结构的变化情况。其次,通过基于LSTM的时间序列分类算法,进行模型的训练。最后对抓取的网络数据流进行入侵检测,对超过6万节点和300万条边的拓扑图进行测试。最终实验结果表明,该算法具有更高的准确率和召回率,可以有效地检测出网络入侵事件。

立即下载
论文研究-Multilevel LSTM for Action Recognition Based on Skeleton Sequence.pdf

基于骨骼序列的多层级LSTM动作识别,陈艳如,潘华伟,基于骨架的人体动作识别在人机交互和智能监控中具有广泛的应用,人类行为可以通过骨架关节的轨迹来表示。长期短期记忆(LSTM)网络�

立即下载
论文研究-基于LSTM模型的单导联脑电癫痫发作预测.pdf

针对目前癫痫发作实时自动预测困难的问题,将开展以LSTM模型为基础的癫痫发作预测的研究,构建了基于LSTM的神经网络模型对癫痫发作进行预测。将采集到的癫痫脑电数据进行预处理,然后提取单导联脑电小波能量特征,结合构建的基于LSTM的模型来识别癫痫发作前期和发作间期的状态,从而实现癫痫发作的预测。与传统的SVM和MLP相比,本方法取得了98.5%的分类精度和零误警的结果。为未来开发癫痫发作预警系统提供了理论基础,在临床应用上具有较大的潜在价值。

立即下载
TensorFlow平台上基于LSTM神经网络的人体动作类_杨煜.pdf

TensorFlow平台上基于LSTM神经网络的人体动作分类_杨煜.pdf

立即下载
论文研究-基于词向量与TextRank的关键词提取方法.pdf

针对词汇语义的差异性对TextRank算法的影响进行了研究,提出一种基于词向量与TextRank的关键词抽取方法。利用FastText将文档集进行词向量表征,基于隐含主题分布思想和利用词汇间语义性的差异,构建TextRank的转移概率矩阵,最后进行词图的迭代计算和关键词抽取。实验结果表明,该方法的抽取效果相比于传统方法有明显提升,同时证明利用词向量能简单而有效地改善TextRank算法的性能。

立即下载
【37】深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程 .txt

【37】深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程 .txt【37】深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程 .txt【37】深度学习实战项目-利用RNN与LSTM网络原理进行唐诗生成视频课程 .txt

立即下载
论文研究-基于极性转移和LSTM的树结构网络与句子类.pdf

长短期记忆网络(long short term memory,LSTM)是一种能长久储存序列信息的循环神经网络,在语言模型、语音识别、机器翻译等领域都得到了广泛的应用。首先研究了前人如何将LSTM中的记忆模块拓展到语法树得到LSTM树结构网络模型,以获取和储存句子深层次的语义结构信息;然后针对句子词语间的极性转移在LSTM树结构网络模型中添加了极性转移信息而提出了极性转移LSTM树结构网络模型,更好地获取情感信息来进行句子分类。实验表明在Stanford sentiment tree-bank数据集上,提出的极性转移LSTM树结构网络模型的句子分类效果优于LSTM、递归神经网络等模型。

立即下载
Python书籍全集(16,17年最新书籍,9本超清完整非扫描版)

《Python编程:从入门到实践》2016.7 《Python项目开发实战(第2版)》2017.1 《Python核心编程(第3版)》2016.6 《Python编程快速上手:让繁琐工作自动化》2016.7 《Python游戏编程快速上手》2016.8 《Python网络数据采集》2016.3 《Python机器学习:预测分析核心算法》2017.1 《精通Python设计模式》2016.7 《用Python写网络爬虫》2016.9

立即下载
下载码下载
做任务获取下载码
取消 提交下载码
img

spring mvc+mybatis+mysql+maven+bootstrap 整合实现增删查改简单实例.zip

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
点击完成任务获取下载码
输入下载码
为了良好体验,不建议使用迅雷下载
img

论文研究-基于LSTM网络的序列标注中文分词法.pdf

会员到期时间: 剩余下载个数: 剩余C币: 剩余积分:0
为了良好体验,不建议使用迅雷下载
VIP下载
您今日下载次数已达上限(为了良好下载体验及使用,每位用户24小时之内最多可下载20个资源)

积分不足!

资源所需积分/C币 当前拥有积分
您可以选择
开通VIP
4000万
程序员的必选
600万
绿色安全资源
现在开通
立省522元
或者
购买C币兑换积分 C币抽奖
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
为了良好体验,不建议使用迅雷下载
确认下载
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 0 0
为了良好体验,不建议使用迅雷下载
VIP和C币套餐优惠
img

资源所需积分/C币 当前拥有积分 当前拥有C币
5 4 45
您的积分不足,将扣除 10 C币
为了良好体验,不建议使用迅雷下载
确认下载
下载
您还未下载过该资源
无法举报自己的资源

兑换成功

你当前的下载分为234开始下载资源
你还不是VIP会员
开通VIP会员权限,免积分下载
立即开通

你下载资源过于频繁,请输入验证码

您因违反CSDN下载频道规则而被锁定帐户,如有疑问,请联络:webmaster@csdn.net!

举报

  • 举报人:
  • 被举报人:
  • *类型:
    • *投诉人姓名:
    • *投诉人联系方式:
    • *版权证明:
  • *详细原因: