检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于生成对抗网络的事件描述生成

孙鹤立, 孙玉柱, 张晓云

计算机应用 2021, 41 (5): 1256-1261. DOI: 10.11772/j.issn.1001-9081.2020081242

摘要（441）

PDF （971KB）（846）

在基于事件的社会网络（EBSN）中，自动生成社交事件（Social Event）的事件描述（Event Description）供组织者参考，从而有效避免描述贫乏、描述过度、精准度低的问题，易于形成丰富、准确、高吸引力的事件描述。为了自动生成与真实事件描述足够相似的文本，提出了一种生成对抗网络（GAN）模型GAN_PG来生成事件描述。GAN_PG模型中的生成模型（Generator）采用变分自编码器（VAE），判别模型（Discriminator）采用带门控循环单元（GRU）的神经网络。模型训练时借鉴了强化学习中的策略梯度（PG）下降，并通过设计合理的奖励函数来训练生成器生成事件描述。实验结果表明，设计的模型生成事件描述的BLEU-4值达到了0.67，证明了提出的事件描述生成模型GAN_PG可以无监督地产生与自然语言足够相似的事件描述。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于事件描述的社交事件参与度预测

孙鹤立, 孙玉柱, 张晓云

计算机应用 2020, 40 (11): 3101-3106. DOI: 10.11772/j.issn.1001-9081.2020030418

摘要（514）

PDF （676KB）（769）

在基于事件的社会网络（EBSNs）的相关研究中，基于事件描述来预测社交事件参与度是难点问题。相关的研究非常有限，研究难度主要来自对事件描述评价的主观性和语言建模算法的局限性。针对这些问题，首先定义了成功事件、相似事件和事件相似度等概念，并基于这些概念将采集自Meetup平台的社交数据进行抽取，同时分别设计了基于拉索回归、卷积神经网络（CNN）和门控循环神经网络（GRNN）的分析预测方法。实验时，先从抽取过的数据中选取部分数据训练三种模型，然后用剩余的数据进行分析预测。结果显示，相较于不含事件描述的事件，经过拉索回归模型处理的事件在不同分类器下的预测准确率可提高2.35%~3.8%，经过GRNN模型处理的事件在不同分类器下的预测准确率可提高4.5%~8.9%，而CNN模型的处理结果不理想。证明了事件描述能够提高事件参与度，GRNN模型在三个模型中预测准确率最高。

参考文献 | 相关文章 | 多维度评价