检索结果

Select

1. 基于迁移学习的文本共情预测

李晨光, 张波, 赵骞, 陈小平, 王行甫

《计算机应用》唯一官方网站 2022, 42 (11): 3603-3609. DOI: 10.11772/j.issn.1001-9081.2021091632

摘要（226）

HTML （8）

PDF （777KB）（95）

由于缺乏足够的训练数据，文本共情预测的进展一直都较为缓慢；而与之相关的文本情感极性分类任务则存在大量有标签的训练样本。由于文本共情预测与文本情感极性分类两个任务间存在较大相关性，因此提出了一种基于迁移学习的文本共情预测方法，该方法可从情感极性分类任务中学习到可迁移的公共特征，并通过学习到的公共特征辅助文本共情预测任务。首先通过一个注意力机制对两个任务间的公私有特征进行动态加权融合；其次为了消除两个任务间的数据集领域差异，通过一种对抗学习策略来区分两个任务间的领域独有特征与领域公共特征；最后提出了一种Hinge?loss约束策略，使共同特征对不同的目标标签具有通用性，而私有特征对不同的目标标签具有独有性。在两个基准数据集上的实验结果表明，相较于对比的迁移学习方法，所提方法的皮尔逊相关系数（PCC）和决定系数（R²）更高，均方误差（MSE）更小，充分说明了所提方法的有效性。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于适应性动态步长的变异果蝇优化算法

王行甫, 陈静, 王琳

计算机应用 2016, 36 (7): 1870-1874. DOI: 10.11772/j.issn.1001-9081.2016.07.1870

摘要（409）

PDF （768KB）（330）

针对基本果蝇优化算法（FOA）容易陷入局部最优值、后期收敛速度变慢和收敛精度较低的缺点，提出了一种基于适应性动态步长的变异果蝇优化算法（MFOAADS）。首先，利用佳点集法选取种群初始位置，降低算法初始点选取的随机性和陷入局部最优值的概率；然后，采用适应性动态步长优化策略，提高收敛速度和求解精度；最后，若算法陷入了早熟，则对种群最优个体按一定概率执行柯西变异扰动，赋予其跳出局部最优的能力。经5个经典函数测试表明，固定迭代次数时MFOAADS的收敛精度与收敛速度明显优于FOA；固定目标精度时，MFOAADS相对于FOA平均迭代次数有着大幅下降且成功率达97%以上。实验结果表明，所提算法求解精度、运行效率以及可靠性相对于基本FOA算法都有着显著提高。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于迁移学习的文本共情预测

李晨光张波赵骞陈小平王行甫