Search | Engineering

A^*算法 1

Walsh循环谱 1

不确定性 1

严格雪崩准则 1

云模型 1

交通信号控制；交通预测；交通世界模型；强化学习 1

光场；超分辨率；宏像素表示 1

动态二叉树 1

固定边界布图规划；修正的模拟退火算法；全局搜索；溢出面积模型；B*-tree表示法 1

图学习；半监督学习；节点分类；注意力机制 1

基于依存关系的上下文；多义词表示；表示学习；句法词向量 1

定性概念 1

恶意代码行为；静态分析；动态分析；行为数据表示；行为分析；机器学习；基于语义的分析；行为可视化；恶意代码演化 1

成品率预测；参数扰动；多元参数成品率；性能建模；稀疏表示 1

数宇特征 1

无监督领域自适应；优化步骤；跨域判别表示；语义判别 1

查询子主题挖掘；查询意图；分布式表示；语义组合 1

概率表示式 1

水下目标检测；声呐数据表示形式；特征融合 1

相关免疫 1

展开︾

摘要：现有大多数词嵌入学习模型存在以下问题：（1）基于词袋上下文的模型完全忽略句子的句法结构关系；（2）每个词使用单个嵌入向量使多义词共享一个嵌入向量；（3）词嵌入往往趋向于句子上下文共性。为解决这些问题，提出一种基于依存关系和多义词分析的句法词嵌入（syntactic word embedding, SWE）。该算法主要处理：（1）基于主题模型，提出一个多义词识别算法；（2）采用符号“+”和“−”表示依存关系方向；（3）删除停用词及其依存关系；（4）引入“skip”依存关系表示依存关系之间的间接关系；（5）将基于依存关系的上下文输入到

摘要：作为外语教师和语言学家，我们赞同他们应用先进信息技术对传统词表进行评估的做法，但认为这项工作：1. 在构建参考语料库时需重视语料抽样的合理性；2.

摘要：

知识表示一直是人工智能研究中的一个瓶颈，其难点在于知识中隐含有不确定性，即模糊性和随机性。文章提出用云模型3个数字特征（期望值，熵，超熵）来描述一个定性概念，用熵来关联模糊性和随机性。代表定性概念的云的某一次定量值，被称为云滴，可以用它对此概念的贡献度来衡量，许许多多云滴构成云，实现定性和定量之间的随时转换，反映了知识表示中的不确定性。

资源类型

年份

关键词