您的位置： 专家智库 > >

李莎莎

作品数：17 被引量：63H指数：4
供职机构：国防科学技术大学计算机学院更多>>
发文基金：国家自然科学基金国家高技术研究发展计划更多>>
相关领域：自动化与计算机技术文化科学自然科学总论更多>>

合作作者

文献类型

  • 17篇中文期刊文章

领域

  • 13篇自动化与计算...
  • 5篇文化科学
  • 1篇自然科学总论

主题

  • 4篇课程
  • 4篇抽取
  • 2篇学位
  • 2篇神经网
  • 2篇神经网络
  • 2篇数据库
  • 2篇数据模型
  • 2篇数据挖掘
  • 2篇人工智能
  • 2篇中文
  • 2篇教学
  • 2篇关系抽取
  • 2篇抽取方法
  • 1篇电子病历
  • 1篇行星
  • 1篇学位论文
  • 1篇研究生课程
  • 1篇研究生课程体...
  • 1篇研究团队
  • 1篇遥感

机构

  • 17篇国防科学技术...
  • 3篇北京航空航天...
  • 1篇国防科技大学
  • 1篇军事科学院

作者

  • 17篇李莎莎
  • 7篇唐晋韬
  • 6篇王挺
  • 5篇余杰
  • 5篇马俊
  • 2篇陈荦
  • 2篇李舟军
  • 2篇吴庆波
  • 1篇刘丹
  • 1篇钟志农
  • 1篇周海芳
  • 1篇汝承森
  • 1篇陈宏盛
  • 1篇谭郁松
  • 1篇谢松县
  • 1篇陈火旺
  • 1篇谢冰川
  • 1篇李强
  • 1篇赵亮
  • 1篇李莹

传媒

  • 3篇中文信息学报
  • 3篇计算机科学
  • 2篇计算机工程与...
  • 2篇计算机工程
  • 2篇计算机教育
  • 1篇国防科技大学...
  • 1篇计算机应用
  • 1篇计算机与数字...
  • 1篇高等教育研究...
  • 1篇科教发展研究

年份

  • 2篇2023
  • 1篇2022
  • 3篇2021
  • 1篇2020
  • 2篇2019
  • 2篇2018
  • 2篇2017
  • 1篇2015
  • 1篇2011
  • 1篇2010
  • 1篇2007
共 17 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
一种基于span的实体和关系联合抽取方法
2022年
基于span的联合抽取模型在命名实体识别和关系抽取上取得了优异的效果。这些模型将文本span作为候选实体,并将span元组视为候选关系元组。span的语义表示在实体识别和关系分类中共享。然而现有基于span的模型无法很好地捕获这些候选实体和关系的语义,为了解决这些问题,提出了一种融合attention机制的span的联合抽取模型。特别地,attention用于计算相关语义表示,包括span特定特征语义表示和句子上下文的语义表示。实验结果表明,所提出的模型优于以前的模型,并在ACE2005、CoNLL2004和ADE 3个基准数据集上达到了当前最优的结果。
余杰纪斌吴宏明任意李莎莎马俊吴庆波
关键词：SPAN关系抽取
数据科学与大数据人才专业课程体系分析被引量：19
2018年
针对数据科学与大数据专业的重要性日益凸显,数据科学与大数据专业人才培养方案各异,质量参差不齐的问题,选取国内外14所有代表性的高校,对其本科专业及硕士研究生专业中与数据学科相关的专业进行分析,将其培养目标和课程设置进行对比,以期能对目前国内外大数据人才培养现状进行总结,并提出数据科学与大数据专业人才培养的建议。
李莎莎周竞文唐晋韬王挺
关键词：大数据
篇章中的消解问题与消解算法:研究综述被引量：2
2007年
篇章消解,即识别篇章中对现实世界中同一实体不同表达的过程,包括指代消解和同指消解两个方面。作为信息抽取的重要环节,它在信息检索、自动文摘及文本挖掘等领域有着广阔的应用前景。本文分析并总结了消解过程中常用的语言知识,介绍了上世纪90年代以来具代表性的算法,并指出了篇章消解未来的发展趋势。
李莎莎李舟军陈火旺
关键词：指代消解
实体消歧中特征文本选取研究
2017年
在实体消歧问题中,特征文本是指输入实体消歧系统的用于表征实体指称和候选实体的文本,其质量对于实体消歧的性能有重要的影响。论文对特征文本的选取问题进行研究,针对网络文本的特点,综合考虑文本中的特殊字符、特征文本的位置、特征文本是否包含实体指称和特征文本的单句长度等因素,对文本进行筛选和处理,产生特征文本,以提高实体消歧的效果。论文在深度结构语义网(Deep Structured Semantic Model,DSSM)和向量相似度模型(Vector Similarity Model,VSM)两个实体排序模型上验证了特征文本选取方法的效果。结果显示特征文本筛选提高了DSSM上排序准确性,在P@3、P@5和P@10上分别有12.2%、12.3%和12.2%的提高。其中特殊字符处理对VSM有5.5%的提高。实验结果表明,对特征文本进行合理的筛选及清洗,有助于提高实体消岐中候选实体排序步骤的效果。
庞焜元唐晋韬李莎莎王挺
关键词：数据清洗
关系抽取中远监督错误标注消除被引量：1
2018年
目前远监督方法被广泛应用于关系抽取任务。然而,远监督方法中存在大量错误标注现象,给远监督方法的学习效果带来了很大的影响。提出利用语义Jaccard度量关系短语与依存词间语义相似性的错误标注消除方法。消除错误标注后的训练数据用于训练模型,完成关系抽取。实验结果表明:该方法可以有效消除错误标注,提高关系抽取的性能。
汝承森唐晋韬谢松县李莎莎王挺
关键词：关系抽取语义相似性
面向中文医疗事件的联合抽取方法被引量：3
2021年
临床病历电子化的推广普及使得利用自动化的方法从病历中快速抽取高价值的信息成为可能。作为一种重要的医学信息,肿瘤医疗事件由描述恶性肿瘤的一系列属性构成。近年来,肿瘤医疗事件抽取已成为学术界的一个研究热点,众多学术会议将其发布为评测任务,并提供了一系列高质量的标注数据。针对肿瘤医疗事件属性离散的特点,文中提出了一种中文医疗事件的联合抽取方法,实现了肿瘤原发部位和原发肿瘤大小两种属性的联合抽取和肿瘤转移部位的抽取。此外,针对肿瘤医疗事件标注文本的数量和类型少的问题,提出了一种基于关键信息全域随机替换的伪数据生成算法,提升了联合抽取方法对不同类型肿瘤医疗事件抽取的迁移学习能力。所提方法获得了CCKS2020中文电子病历临床医疗事件抽取评测任务的第三名,在CCKS2019和CCKS2020数据集上的大量实验验证了所提方法的有效性。
余杰纪斌刘磊李莎莎马俊刘慧君
基于师门关系的研究团队挖掘算法被引量：1
2020年
为了更合理地挖掘研究团队,提出了一种基于师门关系的研究团队挖掘算法。首先,使用BiLSTM-CRF神经网络模型抽取学位论文致谢部分的师门和同门命名实体;其次,构建师生之间的指导合作关系网络;然后,改进鲁汶算法,提出基于师门关系的鲁汶算法来实现研究团队挖掘。在American College football等数据集上对比了标记传播算法、聚集系数算法与鲁汶算法的性能。此外,在三个不同规模的学位论文数据集上对比基于师门关系的鲁汶算法和原始鲁汶算法的运行效率。实验结果表明,数据规模越大,基于师门关系的鲁汶算法运行效率提升越明显。最后,在国防科技大学学位论文数据集上验证基于师门关系的鲁汶算法的研究团队挖掘性能。实验结果表明,所提算法挖掘的研究团队在团队的合作紧密程度、规模、内部联系和稳定性这四个方面比基于论文合作网络的挖掘方法更为合理。
李莎莎梁冬阳余杰纪斌马俊谭郁松吴庆波
关键词：研究团队学位论文数据挖掘
若干世界一流大学数据库课程实施情况调研被引量：9
2019年
简单分析数据库相关课程实施过程中存在的问题,介绍对8所世界一流大学数据库技术入门课程的调研情况,对课程的内容设置、成绩组成、教学环境等方面进行对比,得出若干结论,为数据库相关课程的实施、改革等提供参考。
周竞文李莎莎周海芳
关键词：数据库课程数据库系统教学平台
基于神经网络纠正器的领域分词方法被引量：1
2017年
提出了一种基于神经网络的中文分词方法,以提高分词系统向新领域迁移的适应性和灵活性。该文方法采用了对现有分词器分词结果进行纠正的思路。这种基于纠正的两阶段方法与分词模型解耦,避免了对源领域语料和分词器构建方式的依赖。然而现有的基于纠正的方法依赖于特征工程,无法自动适应不同领域。该文利用神经网络对纠正器进行建模,在无需手工设计特征的情况下即可实现领域适应。实验表明,与当前方法相比,该文方法在领域文本上具有更好的分词性能和鲁棒性,尤其在未登录词召回率方面提升显著。
吴佳林唐晋韬李莎莎王挺
关键词：中文分词神经网络
文本对抗样本攻击与防御技术综述被引量：4
2021年
对抗样本攻击与防御是最近几年兴起的一个研究热点,攻击者通过微小的修改生成对抗样本来使深度神经网络预测出错。生成的对抗样本可以揭示神经网络的脆弱性,并可以修复这些脆弱的神经网络以提高模型的安全性和鲁棒性。对抗样本的攻击对象可以分为图像和文本两种,大部分研究方法和成果都针对图像领域,由于文本与图像本质上的不同,在攻击和防御方法上存在很多差异。该文对目前主流的文本对抗样本攻击与防御方法做出了较为详尽的介绍,同时说明了数据集、主流攻击的目标神经网络,并比较了不同攻击方法的区别。最后总结文本对抗样本领域面临的挑战,并对未来的研究进行展望。
杜小虎吴宏明易子博李莎莎马俊余杰
关键词：自然语言处理
全选 清除 导出
共2页<12>
聚类工具0