检索结果

Select

1. 基于深度学习的事件因果关系抽取综述

王朱君, 王石, 李雪晴, 朱俊武

《计算机应用》唯一官方网站 2021, 41 (5): 1247-1255. DOI: 10.11772/j.issn.1001-9081.2020071080

摘要（3090）

PDF （1460KB）（4061）

因果关系抽取是自然语言处理（NLP）中的一种关系抽取任务，它通过构造事件图来挖掘文本中具有因果关系的事件对，已经在金融、安全、生物等领域的应用中发挥重要作用。首先，介绍了事件抽取和因果关系等概念，并介绍了因果关系抽取主流方法的演变和常用数据集；然后，列举了当前主流的因果关系抽取模型，并且在分别对基于流水线的模型和联合抽取模型进行详细分析的基础上，对比了各种方法和模型的优缺点；此外，对各模型的实验性能及相关实验数据进行了归纳分析；最后，给出了当前的因果关系抽取的研究难点和未来的重点研究方向。

参考文献 | 相关文章 | 多维度评价

Select

2. 自然语言生成综述

李雪晴, 王石, 王朱君, 朱俊武

《计算机应用》唯一官方网站 2021, 41 (5): 1227-1235. DOI: 10.11772/j.issn.1001-9081.2020071069

摘要（2790）

PDF （1165KB）（3914）

自然语言生成（NLG）技术利用人工智能和语言学的方法来自动地生成可理解的自然语言文本。NLG降低了人类和计算机之间沟通的难度，被广泛应用于机器新闻写作、聊天机器人等领域，已经成为人工智能的研究热点之一。首先，列举了当前主流的NLG的方法和模型，并详细对比了这些方法和模型的优缺点；然后，分别针对文本到文本、数据到文本和图像到文本等三种NLG技术，总结并分析了应用领域、存在的问题和当前的研究进展；进而，阐述了上述生成技术的常用评价方法及其适用范围；最后，给出了当前NLG技术的发展趋势和研究难点。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于启发式动态分解算法的矩形件优化排样

李波王石施松新胡俊勇

计算机应用 2013, 33 (07): 1908-1911. DOI: 10.11772/j.issn.1001-9081.2013.07.1908

摘要（1138）

PDF （597KB）（566）

针对二维矩形件优化排样问题，提出了一种启发式动态分解算法，其可扩展用于三维及多容器全局排样求解。根据排放矩形件对容器进行正交动态分解，计算放置耦合度选择最佳子容器，通过干涉关系实现所有容器状态更新，实现大规模复杂排样问题的快速高效求解。对国际上公认Bench-mark多个问题例的计算结果表明，所提算法与同类算法相比优势明显，布局利用率提高达9.4%，计算效率提升达95.7%，并且已在商业化排样软件AutoCUT中应用，应用前景良好。

参考文献 | 相关文章 | 多维度评价