检索结果

Select

1. 基于改进Elman神经网络的制糖企业原糖需求预测模型

李洋莹, 陈智军, 张子豪, 游兰

计算机应用 2021, 41 (7): 2113-2120. DOI: 10.11772/j.issn.1001-9081.2020061000

摘要（230）

PDF （1406KB）（271）

制糖企业采用传统算法进行原糖需求预测时忽略了时间因素，而且没有考虑行业特点，导致预测准确性有限。针对上述问题，结合制糖原材料的供需周期特点，提出一种时间特征关联的使用改进布谷鸟搜索（MCS）优化的Elman神经网络需求量预测模型TMCS-ENN。首先，通过提出自适应学习速率公式来优化Elman神经网络（ENN）；其次，引入自适应寄生失败概率和自适应步长控制量公式得到MCS算法来优化ENN的权值和阈值，从而有效提高模型的局部搜索能力，避免局部最优；最后，结合制糖企业原材料购买的时间相关性和滞后性规律，基于周粒度设计数据切片，并以节假日作为重要特征训练ENN，得到预测模型TMCS-ENN。实验结果表明，以周为时间粒度的情况下，TMCS-ENN预测模型的预测精度达到93.89%。可见TMCS-ENN能够满足制糖企业原材料采购需求的预测精度，有效提高企业生产效率。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于双编码器的短文本自动摘要方法

丁建立, 李洋, 王家亮

计算机应用 2019, 39 (12): 3476-3481. DOI: 10.11772/j.issn.1001-9081.2019050800

摘要（283）

PDF （931KB）（323）

针对当前生成式文本摘要方法存在的语义信息利用不充分、摘要精度不够等问题，提出一种基于双编码器的文本摘要方法。首先，通过双编码器为序列映射（Seq2Seq）架构提供更丰富的语义信息，并对融入双通道语义的注意力机制和伴随经验分布的解码器进行了优化研究；然后，在词嵌入生成技术中融合位置嵌入和词嵌入，并新增词频-逆文档频率（TF-IDF）、词性（POS）、关键性得分（Soc），优化词嵌入维度。所提方法对传统序列映射Seq2Seq和词特征表示进行优化，在增强模型对语义的理解的同时，提高了摘要的质量。实验结果表明，该方法在Rouge评价体系中的表现相比传统伴随自注意力机制的递归神经网络方法（RNN+atten）和多层双向伴随自注意力机制的递归神经网络方法（Bi-MulRNN+atten）提高10~13个百分点，其文本摘要语义理解更加准确、生成效果更好，拥有更好的应用前景。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于CNN和BiLSTM网络特征融合的文本情感分析

李洋, 董红斌

计算机应用 2018, 38 (11): 3075-3080. DOI: 10.11772/j.issn.1001-9081.2018041289

摘要（2970）

PDF （906KB）（1728）

卷积神经网络（CNN）和循环神经网络（RNN）在自然语言处理上得到广泛应用，但由于自然语言在结构上存在着前后依赖关系，仅依靠卷积神经网络实现文本分类将忽略词的上下文含义，且传统的循环神经网络存在梯度消失或梯度爆炸问题，限制了文本分类的准确率。为此，提出一种卷积神经网络和双向长短时记忆（BiLSTM）特征融合的模型，利用卷积神经网络提取文本向量的局部特征，利用BiLSTM提取与文本上下文相关的全局特征，将两种互补模型提取的特征进行融合，解决了单卷积神经网络模型忽略词在上下文语义和语法信息的问题，也有效避免了传统循环神经网络梯度消失或梯度弥散问题。在两种数据集上进行对比实验，实验结果表明，所提特征融合模型有效提升了文本分类的准确率。

参考文献 | 相关文章 | 多维度评价

Select

4. 无项头表的FP-Growth算法

凌绪雄王社国李洋苗再良

计算机应用 2011, 31 (05): 1391-1394. DOI: 10.3724/SP.J.1087.2011.01391

摘要（1400）

PDF （607KB）（840）

针对FP-Growth算法中频繁模式树的遍历低效问题,提出了一种无项头表的频繁模式增长算法。该算法利用递归回溯的方式遍历频繁模式树以求取条件模式基,解决了对同一树路径多次重复遍历的问题。从理论分析和实际挖掘能力两方面,将新算法与FP-Growth算法进行了对比。结果表明,新算法有效减少了条件模式基的搜索开销,使频繁模式挖掘的效率提高了2~5倍,在时间和空间性能上均优于FP-Growth算法。将该算法应用于通信告警关联规则挖掘,较快地挖掘出了关联规则结果,且正确规则的覆盖率达到了83.3%。