胥桂仙
- 作品数：37 被引量：275H指数：6
- 供职机构：中央民族大学信息工程学院更多>>
- 发文基金：中央民族大学青年教师科研基金国家社会科学基金吉林省教育厅基金更多>>
- 相关领域：自动化与计算机技术文化科学电气工程交通运输工程更多>>
- 一种网络文本舆情分类的方法及系统
- 本发明涉及一种网络文本舆情分类的方法及系统，该方法包括以下步骤：构建敏感词词表；将敏感词词表分类成多个敏感类别，每个敏感类别包含多个关键词；通过第一相似度算法将多个关键词与网络文本进行匹配，根据匹配结果对网络文本进行舆情...
- 胥桂仙
- 文献传递
- 基于局部特征和全局特征融合的微博情感分析
- 2023年
- 目前的神经网络一般只将词粒度层面的词向量作为输入,忽略了语义层面的全局语义特征.针对此问题,提出了一种基于局部特征和全局特征融合的情感分类方法,以解决评论特征稀疏和主题聚焦性差的问题.对于局部特征,选择基于情感词典和BiLSTM神经网络模型提取基于词向量的文本特征.对于文本集的全局主题特征,采用神经主题模型提取文本主题特征,并将其作为全局特征来表示短文本信息.最终将基于局部加权词向量的文本特征和基于神经主题模型的文本主题特征进行拼接,并通过Softmax层输出,完成文本情感分类.结果表明:融合全局主题语义和局部加权词向量可以更加丰富神经网络的特征,从而有效地提高情感分类的准确率.
- 胥桂仙陈思瑾孟月婷张廷于绍娜
- 关键词：情感分析
- 数据库索引研究被引量：2
- 2010年
- 在数据库系统应用中,要进行频繁的数据查询操作。索引是与表或视图关联的磁盘上结构,有效的使用索引,可以快速找到表或视图中特定信息,减少系统的响应时间。本文介绍了索引的概念、分类、使用和维护,并就MS SQL SERVER索引进行了一些分析和实践。
- 于绍娜李霞丽胥桂仙杨智君
- 关键词：聚集索引非聚集索引B树
- 基于语义的藏文网页文本分类方法
- 本发明涉及一种基于语义的藏文网页文本分类方法。本发明首先从藏文网页中抽取用于表征该网页的文本信息，然后对所述文本信息进行分词处理，将所述经过分词处理得到的词语表示为词向量空间，其次根据预设的藏文分类本体，将所述通过词向量...
- 胥桂仙
- 文献传递
- 离散数学实践教学探索被引量：3
- 2016年
- 离散数学实践教学研究具有一定的意义,最小生成树是离散数学中一个经典的内容.本文对求解最小生成树的Prim算法和Kruskal算法进行了实践探索和分析,旨在帮助学生在操作中更加深刻的理解离散数学在计算机课程学习中的重要性.
- 胥桂仙骆宾杰赵晨曦姜涛
- 关键词：离散数学最小生成树PRIM算法KRUSKAL算法
- 利用测量TA与小波变换的配电网故障检测技术
- 2005年
- 在详细分析测量TA饱和机理的基础上,对其暂态过程进行了全面仿真。提出了一种新的基于小波变换技术的测量TA饱和检测方法,具有可行性高,可靠性高的优点,能够有效地找到TA饱和过程中二次输出的线性传变区,计算出故障电流的幅值。
- 高旭胥桂仙张晶
- 关键词：小波交换故障检测
- 一种热点词的提取方法及系统
- 本发明涉及一种热点词的提取方法及系统，该方法包括以下步骤：获取藏文语料文本，建立第一藏文语料库；将第一藏文语料库进行预处理、分词和去停用词处理，获得第二藏文语料库；利用词权重计算算法获取第二藏文语料库中的多个词的权重；对...
- 胥桂仙
- 文献传递
- 基于遗传算法的匹配问题求解被引量：5
- 2003年
- 系统地论述了遗传算法的由来、传统二进制编码的优缺点,浮点数编码的优点,以及用浮点数编码方 案实现匹配问题的求解方法。
- 徐小博苏筱蔚胥桂仙胡明
- 关键词：遗传算法浮点数编码
- 一起典型的500kV失灵保护误动分析被引量：30
- 2007年
- 分析了一起具有代表性的失灵保护误动事故,其误动原因是由于光耦开入回路设计的不完善,在发生直流正极接地时,由于电缆存在较大的分布电容,造成光耦开入回路误导通而失灵保护动作出口。研究制定出华北电网的反事故措施,对相关元件的动作参数提出了明确要求。这些措施已经在华北电网得到普遍应用,其合理性和有效性已经通过现场试验和该次事故得到了证明。
- 高旭胥桂仙孙集伟牛四清王宁
- 关键词：失灵保护光耦直流接地分布电容
- 基于图卷积网络的藏文新闻文本分类被引量：1
- 2023年
- 【目的】针对藏文预训练知识缺少的现状,利用藏文音节和文档的构造关系,提出基于图卷积网络的藏文新闻文本分类方法。【方法】基于音节-音节关系和音节-文档关系为藏文新闻语料库构建文本图,然后使用音节和文档的独热表示进行初始化,在训练集文档类别标签的监督下,使用图卷积网络联合学习音节和文档的嵌入,最后将文本分类问题转化为节点分类问题。【结果】图卷积网络在藏文新闻正文文本分类任务上准确率达到70.44%,相比于基线模型高出8.96~20.66个百分点;在藏文新闻标题文本上准确率达到61.94%,比基线模型高出6.61~26.05个百分点。同时,图卷积网络相比引入预训练音节嵌入的SVM、CNN和少数民族语言预训练模型CINO在准确率上高出0.73~15.1个百分点,在正文上的准确率相比Word2Vec+LSTM方法高出15.65个百分点。【局限】仍依赖于有标注数据集,但藏文的有监督文本相对稀缺。【结论】图卷积网络在藏文新闻文本分类任务上具有有效性,能够解决藏文新闻文本信息杂乱的问题,有助于对各类别藏文新闻文本数据进行挖掘。
- 胥桂仙张子欣于绍娜董玉双田媛
