机读格式显示(MARC)

• 000 01994nam0 2200313 450

• 001 0000928253

• 005 20211203130700.0

• 010 __ |a 978-7-5682-9527-7 |d CNY52.00

• 099 __ |a CAL 012021075932

• 100 __ |a 20210522d2021 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 基于认知概念信息量的文本语义相似度模型研究 |A ji yu ren zhi gai nian xin xi liang de wen ben yu yi xiang si du mo xing yan jiu |d = Research on semantic textual similarity model based on cognitive conceptual information content |f 吴昊, 黄河燕著 |z eng

• 210 __ |a 北京 |c 北京理工大学出版社 |d 2021

• 215 __ |a 153页 |c 图 |d 24cm

• 314 __ |a 吴昊, 博士, 硕士生导师, 北京理工大学计算机学院教师。黄河燕, 博士, 教授, 博士生导师, 北京理工大学人工智能研究院院长、北京市海量语言信息处理与云计算应用工程技术研究中心主任。

• 320 __ |a 有书目 (第133-153页)

• 330 __ |a 本书面向计算机科学、信息科学、认知科学、语言学等专业的本科生、研究生、研究学者或者软件研发人员, 由浅入深、跨学科地介绍了认知概念信息量、基于认知概念信息增益的文本信息量计算方法、融合认知概念信息权重的全文本信息量计算方法, 一步一步实现了基于认知概念信息量的文本语义相似度的模型。该模型在国际权威测评SemEval 2017STS任务的34个参赛团队提交81个测评系统中, 总成绩在所有参赛团队中排名第二, 在Track 1数据集上排名第一, 相关模型论文更是被会议评选为“Best of SemEval 2017”。本书模型建立在认知概念网络基础上, 计算方法接近人类的思维习惯, 更加符合人工智能初衷。本书模型具有可解释性, 参数含义十分明确, 易于根据应用领域或场景调优性能, 具有优良的发展前景。本书研究方法另辟蹊径, 在深度学习大行其道的今天对相关研究人员是不失为一种启发和补充。

• 510 1_ |a Research on semantic textual similarity model based on cognitive conceptual information content |z eng

• 606 0_ |a 自然语言处理 |A zi ran yu yan chu li

• 690 __ |a TP391 |v 5

• 701 _0 |a 吴昊 |A wu hao |4 著

• 701 _0 |a 黄河燕 |A huang he yan |4 著

• 801 _0 |a CN |b 湖北三新 |c 20210522

• 905 __ |a JHUD |d TP391/416

• 920 __ |a 242450 |z 1

• 998 __ |a PUL