公开(公告)号：CN105335350A

公开(公告)日：2016-02-17

申请号：CN201510644536.1

申请日：2015-10-08

Applicant: 北京理工大学

Inventor： 冯冲 ,  高小燕 ,  黄河燕

IPC: G06F17/27 ,  G06K9/62

CPC classification number: G06F17/2785 ,  G06K9/6269

Abstract: 本发明涉及一种基于集成学习的语种识别方法，属于自然语言处理应用技术领域；本发明方法首先从训练集D中按照预设的抽取比例参数max_samples选取bootstrap样例得到训练集Db；其次基于Db按照特征选取比例参数max_features选取样例特征，并基于选取的特征对Db进行过滤得到训练集Dt；再者基于Dt对多项式朴素贝叶斯(MNBBL)、随机森林(RFBL)、支持向量机(SVMBL)和线性模型(LMBL)四种基本分类器进行训练；最后利用多数表决把四种基本分类器组合成为一个更强的分类器；接下来就可以采用此分类器对待识别样例进行识别。对比现有技术，本发明方法可以识别少数民族的短文本语言，且准确率得到了提高。

公开(公告)号：CN111061935A

公开(公告)日：2020-04-24

申请号：CN201911292337.3

申请日：2019-12-16

Applicant: 北京理工大学

Inventor： 黄河燕 ,  高小燕 ,  毛先领 ,  迟泽闻 ,  余厚金 ,  兰天

IPC: G06F16/951 ,  G06F16/9035 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于自注意力机制的科技写作推荐方法，属于计算机自然语言处理以及社交媒体技术领域。所述科技写作推荐方法，首先利用已有的段落写作内容，挖掘作者写作主题与意图，并以此初步筛选候选段落；其次设计了基于自注意力机制的深度科技写作推荐模型，用于获取上下文语境的深度语义表示，以对候选段落进行排序；通过将预测排序结果与真实排序结果进行比较，获取召回率和归一化折损累积增益，以评价写作推荐方法的好坏。所述方法与传统的基于内容的引文推荐方法相比，在一个真实的科技论文写作推荐中进行推荐预测，取得最高的召回率和归一化折损累积增益。

公开(公告)号：CN111061935B

公开(公告)日：2022-04-12

申请号：CN201911292337.3

申请日：2019-12-16

Applicant: 北京理工大学

Inventor： 黄河燕 ,  高小燕 ,  毛先领 ,  迟泽闻 ,  余厚金 ,  兰天

IPC: G06F16/951 ,  G06F16/9035 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于自注意力机制的科技写作推荐方法，属于计算机自然语言处理以及社交媒体技术领域。所述科技写作推荐方法，首先利用已有的段落写作内容，挖掘作者写作主题与意图，并以此初步筛选候选段落；其次设计了基于自注意力机制的深度科技写作推荐模型，用于获取上下文语境的深度语义表示，以对候选段落进行排序；通过将预测排序结果与真实排序结果进行比较，获取召回率和归一化折损累积增益，以评价写作推荐方法的好坏。所述方法与传统的基于内容的引文推荐方法相比，在一个真实的科技论文写作推荐中进行推荐预测，取得最高的召回率和归一化折损累积增益。