首页期刊导航|南京邮电大学学报（自然科学版）
期刊信息/Journal information
南京邮电大学学报（自然科学版）
南京邮电大学
南京邮电大学学报（自然科学版）

南京邮电大学

朱洪波

双月刊

1673-5439

xb@njupt.edu.cn

025-85866912

210023

南京市亚芳新城区文苑路9号

南京邮电大学学报（自然科学版）/Journal Journal of Nanjing University of Posts and Telecommunications(Natural Science)北大核心CSTPCD
查看更多>>本刊是我校主办的以通信技术、基础科学、邮电管理科学为主要内容的自然科学综合性学术期刊。主要刊登科研、教学及基础科学研究方面的成果，开展国内外学术交流。
正式出版
收录年代

    Storm分布式计算框架下基于知识图谱的快速学习资源推荐

    刘莹杨淑萍张治国
    93-99页
    查看更多>>摘要：针对在线学习资源推荐存在精度较低或实时性较差的问题,采用知识图谱进行用户及资源的知识表示,并采用长短时间记忆网络对用户资源特征差进行优化,从而将与用户特征差最小的资源推送给用户.首先,在获得在线学习记录样本后,利用知识图谱进行实体特征关系的知识表示,并借助Storm分布式框架生成知识图谱中头尾实体及关系特征向量.接着,建立用户-资源实体的最小特征差目标函数,并采用长短时间记忆网络对最小特征差目标函数进行优化.最后,通过Storm分布式平台进行长短时间记忆网络的参数求解,从而快速生成稳定的相关资源推荐模型.实验结果表明,在Storm分布式框架下采用知识图谱和长短时间记忆网络实现在线资源推荐,可获得较高准确率及运行效率,在应对大规模资源的实时推荐方面具有较强的适应度.

    资源推荐知识图谱Storm框架长短时间记忆TransD模型

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于BERT和标签混淆的文本分类模型

    韩博成卫青
    100-108页
    查看更多>>摘要：目前,文本分类的研究主要集中在通过优化文本分类器来增强分类性能.然而,标签和文本之间的联系并没有得到很好的利用.尽管BERT对文本特征的处理表现出了非常好的效果,但对文本和标签的特征提取还有一定的提升空间.文中通过结合标签混淆模型(Label Confusion Model,LCM),提出一种基于 BERT 和 LCM 的文本分类模型(Model Based on BERT and Label Confusion,BLC),对文本和标签的特征进一步做了处理.充分利用BERT每一层的句向量和最后一层的词向量,结合双向长短时记忆网络(Bi-LSTM)得到文本表示,来替代BERT原始的文本特征表示.标签在进入LCM之前,使用自注意力网络和Bi-LSTM提高标签之间相互依赖关系,从而提高最终的分类性能.在4 个文本分类基准数据集上的实验结果证明了所提模型的有效性.

    文本分类BERT标签混淆模型双向长短时记忆网络自注意力网络

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    《南京邮电大学学报(自然科学版)》投稿须知

    封3页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据