首页期刊导航|计算机工程与科学
期刊信息/Journal information
计算机工程与科学
国防科学技术大学计算机学院
计算机工程与科学

国防科学技术大学计算机学院

王志英

月刊

1007-130X

jsjgcykx@163.net

0731-84576405

410073

湖南省长沙市开福区德雅路109号国防科技大学计算机学院

计算机工程与科学/Journal Computer Engineering and ScienceCSCD北大核心CSTPCD
查看更多>>本刊系国防科技大学计算机学院主办的计算机类综合性学术刊物，属中国计算机学会会刊，已先后被列为中文核心期刊、中国科技核心期刊、中国学术期刊（光盘版）全文入编期刊、中国科学引文数据库来源期刊（CSCD核心）、中国学术期刊综合评价数据库来源期刊。
正式出版
收录年代

    基于多特征交互融合的老挝语无监督音素分割方法

    李新洁王文君董凌赖华...
    937-944页
    查看更多>>摘要：针对现有方法对老挝语声调变化以及音频多样性考虑不足导致音素分割不准确的问题，提出一种多特征交互融合的老挝语无监督音素分割方法。先对自监督特征、频谱特征以及音高特征进行独立编码，避免单一特征的不足;再基于注意力机制渐进融合多种独立特征，使模型更全面地捕捉老挝语的声调变化和音素边界的信息;最后采用可学习框架优化音素分割模型。实验结果表明，相比基线方法，在老挝语音素分割任务上所提方法的R-value 值提升了 27。88%。

    无监督学习特征融合老挝语音素分割语音表征

      原文链接:
    • 万方数据
    • 维普

    基于实体知识的远程监督关系抽取

    马长林孙状
    945-950页
    查看更多>>摘要：为了降低远程监督关系抽取标记数据的噪声，提出一种融合实体描述和自注意力机制的远程监督关系提取模型，模型基于多示例学习，考虑到实体知识和位置关系的综合作用，采用词、实体、实体描述和相对位置的拼接向量作为模型输入，将分段卷积神经网络作为句子编码器，结合改进的结构化自注意力机制，捕捉特征内部相关性，并构造头实体和尾实体的差向量作为注意力机制的监督信息，为句子分配权重。在纽约时报数据集上的实验结果表明，与已有模型相比，本文模型的性能指标均达到最大值。

    关系抽取实体实体描述分段卷积神经网络自注意力机制

      原文链接:
    • 万方数据
    • 维普