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. 基于增强多维多粒度级联森林的信用评分模型

卞凌志, 王直杰

计算机应用 2021, 41 (9): 2539-2544. DOI: 10.11772/j.issn.1001-9081.2020111796

摘要（279）

PDF （1204KB）（240）

信用风险是商业银行所面临的主要金融风险之一，而传统的基于统计学习的信用评分方法不能有效利用现有的特征学习方法，因此预测准确度不高。为解决这个问题，提出一种增强多维多粒度级联森林的方法建立信用评分模型，借鉴残差学习的思想，建立了多维多粒度级联残差森林（grcForest）模型，从而大幅增加提取的特征。除此之外，使用多维多粒度的扫描尽可能多地提取原始数据的特征，从而提高了特征提取的效率。对各模型的实验结果通过AUC（Area Under Curve）、准确率等指标进行评价，同时把所提模型与现有的统计学习和机器学习算法在四个不同的信用评分数据集上进行对比，可知所提出的模型的AUC值相较于轻量级梯度提升机（LightGBM）方法平均高1.13%，相较于极端梯度提升（XGBoost）方法平均高1.44%。从实验结果可以看出，提出的模型预测效果最佳。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于自注意力门控图卷积网络的特定目标情感分析

陈佳伟, 韩芳, 王直杰

计算机应用 2020, 40 (8): 2202-2206. DOI: 10.11772/j.issn.1001-9081.2019122154

摘要（517）

PDF （803KB）（579）

基于特定目标的情感分析旨在预测句子中不同方面表达的不同情感倾向。针对之前利用循环神经网络（RNN）结合注意力机制的网络模型所带来的训练参数多且缺少对相关句法约束和长距离词依赖机制解释的问题，提出自注意力门控图卷积网络MSAGCN。首先，模型采用多头自注意力机制编码上下文词和目标，捕获句子内部的语义关联；然后，采用在句子的依存树上建立图卷积网络的方法获取句法信息以及词的依存关系；最后，通过带有目标嵌入的门控单元（GTRU）获取特定目标的情感。与基线模型相比，所提模型的准确率和调和平均值F1分别提高了1%~3.3%和1.4%~6.3%；同时，预训练的BERT模型也被应用到当前任务中，使模型效果获得了新的提升。实验结果表明所提出的模型能更好掌握用户评论的情感倾向。

参考文献 | 相关文章 | 多维度评价