检索结果

Select

1. 情感增强的对话文本情绪识别模型

王雨, 袁玉波, 过弋, 张嘉杰

《计算机应用》唯一官方网站 2023, 43 (3): 706-712. DOI: 10.11772/j.issn.1001-9081.2022010044

摘要（590）

HTML （29）

PDF （1123KB）（312）

针对现有的许多研究忽略了说话人的情绪和情感的相关性的问题，提出一种情感增强的图网络对话文本情绪识别模型——SBGN。首先，将主题和对话意图融入文本，并微调预训练语言模型RoBERTa以提取重构的文本特征；其次，给出情绪分析的对称学习结构，将重构特征分别输入图神经网络（GNN）情绪分析模型和双向长短时记忆（Bi-LSTM）情感分类模型；最后，融合情绪分析和情感分类模型，将情感分类的损失函数作为惩罚以构建新的损失函数，并通过学习调节得到最优的惩罚因子。在公开数据集DailyDialog上的实验结果表明，相较于DialogueGCN模型与目前最先进的DAG-ERC模型，SBGN模型的微平均F1分别提高16.62与14.81个百分点。可见，SBGN模型能有效提高对话系统情绪分析的性能。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于改进DenseNet的牛眼图像特征提取方法

郑志强, 胡鑫, 翁智, 王雨禾, 程曦

计算机应用 2021, 41 (9): 2780-2784. DOI: 10.11772/j.issn.1001-9081.2020101533

摘要（419）

PDF （1024KB）（345）

针对牛眼图像特征提取过程中由于梯度消失和过拟合造成的识别准确率较低的问题，提出一种基于改进DenseNet的牛眼图像特征提取方法。首先采用缩放指数线性单元（SeLU）激活函数防止网络梯度消失；其次通过DropBlock随机丢弃牛眼图像的特征块，从而防止过拟合，并加强网络的泛化能力；最后将改进后的稠密层进行叠加以组成改进的DenseNet（Dense convolutional Network）。在自建牛眼图像数据集上进行特征信息提取识别实验的结果表明，改进后的DenseNet识别准确率、精确率和召回率分别为97.47%、98.11%和97.90%；较改进前的网络在识别准确率、精确率和召回率上分别提升了2.52个百分点、3.32个百分点和2.94个百分点，可见改进后的网络具有较高的精度与鲁棒性。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于混沌免疫粒子群优化和广义回归神经网络的回采工作面瓦斯涌出量预测模型

王雨虹付华侯福营张洋

计算机应用 2014, 34 (11): 3348-3352. DOI: 10.11772/j.issn.1001-9081.2014.11.3348

摘要（155）

PDF （739KB）（569）

为提高回采工作面绝对瓦斯涌出量预测的精度和效率,提出了将混沌免疫粒子群优化(CIPSO)算法与广义回归神经网络(GRNN)相耦合的绝对瓦斯涌出量预测模型。该方法采用CIPSO对GRNN的光滑因子进行动态优化调整,减少了人为因素对GRNN网络输出结果的影响,并采用优化后的网络建立瓦斯涌出量预测模型。通过对某煤矿瓦斯涌出量数据的仿真实验结果表明:基于CIPSO-GRNN的回采工作面绝对瓦斯涌出量模型比BP神经网络、Elman网络预测模型具有更好的预测精度和收敛速度,证明了该方法的有效性和可行性。

参考文献 | 相关文章 | 多维度评价