摘要：为提高专利功效短语抽取的准确率和召回率,保障专利布局等研究工作的高质量进行,提出一种融合多特征的专利功效短语抽取模型。基于Bert-BiLSTM-CRF的整体框架,利用Bert模型对文本进行向量化,融合偏旁部首、五笔、词长+词性等特征输入到BiLSTM或Transformer进行编码,使用CRF解码得到对应输入的标签序列,得到专利功效短语。实验采用新能源汽车领域的专利文本作为训练数据,尝试组合不同的特征进行实验,实验结果表明,所提模型在准确率、召回率、F1值上均取得了明显提升,验证了多特征融合在功效短语抽取任务上的有效性。

摘要：牙齿分割是计算机辅助口腔正畸治疗的重要技术.针对传统牙齿分割方法因交互操作复杂、手工干预程度高导致分割效率和精度较低的问题,提出一种基于多级层次三维卷积神经网络的牙颌模型自动分割与识别方法.首先利用基于哈希表的八叉树稀疏表达模型对牙颌模型进行标签化预处理;然后采用构建的Level-1网络和Level-2网络,分别实现普通牙齿间类别和高相似度牙齿间类别的区分;最后采用基于深度卷积特征的多级层次分割网络实现牙齿与牙龈以及牙齿间的分割,并利用条件随机场模型对龈缘区及齿间接触区的局部细节特征进行建模与优化.实验结果表明,在自行采集的牙齿数据集上的牙齿识别准确率均维持在0.858以上,单颗牙齿的分割准确率为0.898,与同类分割方法对比,验证了层次特征学习方法具有较高的准确率和鲁棒性,适用于各种不同程度畸形牙患者的牙齿分割,在计算机辅助口腔治疗诊断中具有巨大的应用潜力.

摘要：近年来,随着国家经济的飞速发展,电力建设工程投资快速增加,电力建设工程标书数量及相应的工程标书评审工作量也急剧增加。传统的纯人工标书评审耗时、耗力且速度慢。要实现工程标书的机器自动评审,就需要对标书进行关键内容自动抽取和摘要,标书文本中的实体识别是关键步骤。鉴于工程标书中有很多非常用词语组合存在,现有的技术对工程标书中的地名等实体的识别效果并不理想。针对上述问题,本文提出并设计一种基于条件随机场的电力工程标书的实体识别技术方案,通过机器实现对标书的自动化快速处理,并帮助实现关键性工程的电子化评估和数据共享。该方法已在实验中证实了其有效性,并已被应用到电力领域的文件自动化处理事务中。

摘要：正确识别搜索引擎日志中的短语,对搜索引擎用短语词典构建和提高搜索引擎性能具有重要的作用。该文提出一种应用条件随机场实现对搜狗日志语料中"N+V"和"N1+N2+V"型短语自动识别的方法。模型的特征集包含词、词性和词语长度。由人工设计候选特征集,从中选择有效的特征构成特征模板,训练生成用于短语自动识别的条件随机场模型。封闭测试和开放测试的实验结果表明,模型能够实现对这两种短语的有效识别。

摘要：在中文专利功效短语获取研究中,针对单功效短语研究较多,复合功效短语提取困难的情况,提出一种基于规则和条件随机场的复合功效短语提取流程。对分词过程中被切分的复合功效短语,进行词性标注和句法规则分析,基于规则合并被切分的复合功效短语得到候选复合功效短语数据集;将不同的特征组合引入条件随机场模型,实验确定最优特征组合,成功构建模型;利用该模型过滤候选复合功效短语数据集,提取专利中的复合功效短语。实验结果表明,该方法显著提高了复合功效短语提取的准确率和F值。

摘要：结合微博新词的构词规则自由度大和极其复杂的特点,针对传统的C/NC-value方法抽取的结果新词边界的识别准确率不高,以及低频微博新词无法正确识别的问题,提出了一种融合人工启发式规则、C/NC-value改进算法和条件随机场(CRF)模型的微博新词抽取方法。一方面,人工启发式规则是指对微博新词的分类和归纳总结,并从微博新词构词的词性(POS)、字符类别和表意符号等角度设计的微博新词的构词规则;另一方面,改进的C/NC-value方法通过引入词频、邻接熵和互信息等统计量来重构NC-value目标函数,并使用CRF模型训练和识别新词,最终达到提高新词边界识别准确率和低频新词识别精度的目的。实验结果显示,与传统方法相比,所提出的方法能有效地提高微博新词识别的F值。

摘要：为了识别网络文本的情感倾向性,通过分析文本结构以及情感表达的特点,提出了一种基于K-近邻的文本情感分析方法,将整个文本的情感划分为局部情感和全局情感。建立条件随机场模型,确定文本中的局部情感,通过K-近邻算法计算文本的全局情感。实验结果表明,与传统机器学习方法相比,该方法能细粒度、多层次的分析文本的情感,同时能有效提高情感分析的准确率。

摘要：随着电商的飞速发展,越来越多的人选择通过网络来购物,随之而来的是消费者在各大购物网站上发表的大量评价信息。为了从中快速识别出关键的评价信息,本文基于协同训练算法(Co-training),利用条件随机场(CRF)模型,设计了一种自动识别关键的评价信息的方法。与2014COAE评测对比,该方法的效果优于评测平均水平,验证了该方法的有效性。

摘要：机器翻译中的英语长句以其单词较多、句型结构复杂等特征成为影响机器翻译质量的主要因素。文中针对机器翻译中英语长句翻译质量差的问题,提出了基于融合句法特征的翻译方法。该方法结合基于语言模板的翻译方法与基于条件随机场的统计学翻译方法,通过句法维度与统计学维度对长句进行切分及处理,进而提升机器翻译质量。实验结果表明,英语语料集长句在经过文中提出的模型训练后,BLEU分值提升了约2.1%,NIST分值提升了约1.1%,证明了文中所提基于融合句法特征的翻译方法对英语长句翻译质量有所提升。