2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩53頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、碩士學(xué)位論文金融領(lǐng)域術(shù)語(yǔ)識(shí)別的研究金融領(lǐng)域術(shù)語(yǔ)識(shí)別的研究ResearchonTerminologyRecognitioninFinancialDomain作者姓名:梁晨學(xué)科、專(zhuān)業(yè):計(jì)算機(jī)應(yīng)用技術(shù)學(xué)號(hào):21409165指導(dǎo)教師:黃德根完成日期:2017年4月30日大連理工大學(xué)DalianUniversityofTechnology萬(wàn)方數(shù)據(jù)大連理工大學(xué)碩士學(xué)位論文I摘要術(shù)語(yǔ)識(shí)別是信息處理領(lǐng)域的基礎(chǔ)研究任務(wù)之一,快速識(shí)別金融領(lǐng)域術(shù)語(yǔ)對(duì)金融領(lǐng)域

2、的文本挖掘、信息抽取、輿情分析等任務(wù)有很高的應(yīng)用價(jià)值。目前術(shù)語(yǔ)識(shí)別任務(wù)多采用機(jī)器學(xué)習(xí)方法,而現(xiàn)有機(jī)器學(xué)習(xí)模型的特征選擇過(guò)程繁瑣且多依賴(lài)于人工參與,后處理規(guī)則的制定多依賴(lài)于特定語(yǔ)料而不具有通用性。本文提出一種新的金融領(lǐng)域術(shù)語(yǔ)識(shí)別方法,該方法首先使用兩類(lèi)機(jī)器學(xué)習(xí)模型初步識(shí)別金融術(shù)語(yǔ)。第一類(lèi)是傳統(tǒng)的淺層機(jī)器學(xué)習(xí)模型—CRF模型,本文僅選擇了簡(jiǎn)單基礎(chǔ)的特征。第二類(lèi)是代表性的神經(jīng)網(wǎng)絡(luò)模型—LSTM模型,該模型避免了傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)遠(yuǎn)距離信息

3、時(shí)出現(xiàn)的梯度彌散問(wèn)題。同時(shí),本文也嘗試了LSTM模型的典型變體—GRU模型,并把其記憶單元拆分為左右新記憶單元,在相同的參數(shù)條件下,改進(jìn)的GRU模型F值可達(dá)88.13%,比基本的GRU模型結(jié)果高出0.68%。其次,本文使用基于信息熵的術(shù)語(yǔ)可信度模型優(yōu)化上述識(shí)別結(jié)果,該模型利用基于邊緣概率的信息熵公式,篩選出屬于特定錯(cuò)誤類(lèi)型的候選術(shù)語(yǔ),從而對(duì)候選術(shù)語(yǔ)的處理更有針對(duì)性;過(guò)濾候選術(shù)語(yǔ)時(shí)將詞轉(zhuǎn)換為蘊(yùn)含豐富語(yǔ)義信息的詞向量,通過(guò)計(jì)算語(yǔ)義相似度與傳

4、統(tǒng)的互信息方法互為補(bǔ)充,可以過(guò)濾得到高質(zhì)量的金融領(lǐng)域術(shù)語(yǔ)。實(shí)驗(yàn)證明,該優(yōu)化方法不但有利于提高召回率,還能夠提高術(shù)語(yǔ)結(jié)構(gòu)的完整性,可作為通用的過(guò)濾方法。在金融領(lǐng)域的語(yǔ)料上,CRF的識(shí)別結(jié)果經(jīng)過(guò)優(yōu)化后準(zhǔn)確率、召回率和F值分別為:95.30%、91.58%、93.40%;神經(jīng)網(wǎng)絡(luò)模型的識(shí)別結(jié)果經(jīng)過(guò)優(yōu)化后F值可提升1.3%~1.5%左右。綜上,本文分別用CRF模型和神經(jīng)網(wǎng)絡(luò)模型兩種方法實(shí)現(xiàn)了金融領(lǐng)域術(shù)語(yǔ)的識(shí)別。這兩種方法均屬于有監(jiān)督學(xué)習(xí),神經(jīng)網(wǎng)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論