导读:本文包含了语义匹配论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语义,供需,多维,技术,深度,特征,风格。
语义匹配论文文献综述
姚俊良,乐小虬[1]（2019）在《科技查新查新点语义匹配方法研究》一文中研究指出【目的】从科技查新候选检索结果中自动筛选与查新点语义相近的文献(期刊论文、专利)。【方法】设计基于Bi-GRU-ATT的深度多任务层次分类模型,利用国际专利分类表(IPC)类别及专利数据,训练多个不同层次分类模型,利用少量论文数据进行Fine-tuning,使之适用于论文和专利两种类别数据,依照先父后子的次序识别查新点及候选记录的语义类别,从而判定二者间的语义匹配度。【结果】在E21B专利分类下的两级分类模型中,准确率分别达到82.37%和73.55%,优于其他基准模型;在使用真实查新点实验数据的语义匹配实验中,语义匹配的精度达到88.13%,比基准检索模型(TF-IDF)提高15.16%。【局限】仅在少量类别中开展训练,还没有扩展到IPC所有分类中。【结论】初步实验表明该方法能够在一定程度上提升查新点语义匹配效果。(本文来源于《数据分析与知识发现》期刊2019年06期）
梁汝鹏,邓克波,毛泽湘,徐沛[2]（2019）在《基于军事知识图谱的作战预案语义匹配方法研究》一文中研究指出提出了一种智能化的预案语义匹配方法,基于军事知识图谱,建立知识图谱与作战预案特征映射,构建预案语义特征标注,实现作战预案隐藏知识的显式定义;设计了作战预案语义特征抽取与相似性计算算法,解决基于索引或关键字等语用层次特征匹配效率和准确度较低的问题,实现基于语义特征的作战预案智能语义匹配,满足预案快速、精准化匹配需求.(本文来源于《指挥与控制学报》期刊2019年02期）
吴少洪,彭敦陆,苑威威,陈章,刘丛[3]（2019）在《MGSC:一种多粒度语义交叉的短文本语义匹配模型》一文中研究指出语义匹配对许多自然语言处理任务至关重要,诸如信息检索中信息匹配、问答系统中问题和答案的匹配等.基于语义的匹配,即通过提取文本内在语义进行匹配度计算,是目前自然语言处理领域研究的热点.本文提出一种基于深度神经网络的文本语义匹配模型——多粒度语义交叉模型,从语义匹配的角度来解决文本匹配问题.模型首先通过循环神经网络获取短文本不同粒度的语义表示,然后从两个短文本不同粒度的语义交互信息中提取它们语义匹配信息,从而计算两个短文本的语义匹配度.实验表明,本文提出的基于多粒度语义交叉模型在短文本匹配上表现出较好的计算效果.(本文来源于《小型微型计算机系统》期刊2019年06期）
郝玫,马建峰[4]（2019）在《基于特征观点对语义匹配的产品评论可信度研究》一文中研究指出[目的/意义]针对产品评论中的复合句式,实现特征观点对的语义匹配及提取,并明确评论可信度的识别因素及权重,对产品可信评论进行筛选和分析。[方法/过程]基于特征观点对的语义匹配算法实现评论语义指标的量化计算,并采用模糊层次分析法确定可信度指标权重。[结果/结论]实验表明相较于单句提取特征观点对方法,特征观点对的语义匹配算法在召回率、准确率和F-score等性能方面均有较大优势。依据可信度指标对网站产品评论进行筛选,不仅可以评估产品整体的评论可信度,还可以细化到产品特征级别的可信度分析,为用户筛选可信的评论信息并提升购物决策效率。(本文来源于《现代情报》期刊2019年06期）
赖辉源[5]（2019）在《面向知识库问答的深度神经网络语义匹配方法研究》一文中研究指出随着互联网的快速发展,可用信息量呈指数级增长,互联网已成为人们获取信息的重要途径。虽然当前的搜索引擎可以较好地帮助用户在互联网中搜索信息,但是也会返回大量与用户需求不相关的结果。基于知识库的自动问答系统指的是针对给出的自然语言形式问题,通过利用自然语言处理技术在结构化知识库中进行查询、推理、匹配得到相应答案。知识库问答系统不仅可以为用户提供支持自然语言的友好人机交互方式,还可以精准并高效地帮助用户获取到有效的信息。因而知识库问答是自然语言处理和信息检索领域重要的研究方向。传统基于符号的知识库问答方法往往难以解决文本的语义鸿沟问题,基于向量空间建模的方法试图用向量的形式解决该问题,但该方法仅涉及浅层的语义表示。此外,与英文相比,中文的语法结构和表述形式更为复杂和多变,所以中文知识库问答的研究面临着更大的挑战。针对以上情况,本文主要研究基于深度神经网络的文本语义学习与匹配,然后将其应用于知识库问答中,即将问答的过程视为问句与知识库语义表示的学习和匹配过程。主要研究内容如下:(1)针对文本语义的学习和匹配,提出一种带注意力机制的长短时记忆网络的文本语义匹配方法。该方法首先使用长短时记忆网络和注意力机制对文本进行深度语义表征和学习,然后通过叁种不同的池化机制从不同的角度将文本语义矩阵聚合成语义向量,最后将文本对的语义向量锐化后传入分类器中得到语义匹配结果,该方法明显地提高了文本语义匹配的准确性。(2)针对问句的实体链指,设计实现一种基于知识库的二分类方法。为了使该任务简单化,首先通过知识库找到对应问句的候选实体,然后通过特征工程提取候选实体的特征,并构建二分类模型,最后根据模型的预测得分排序选出得分最高者,该方法简单高效地解决了知识库问答中的问句实体链指任务。(3)基于深度文本语义匹配方法和实体链指技术,本文将其应用于知识库问答。首先通过实体链指技术识别问句的实体,进而在知识库中找到相关候选答案,然后使用深度神经网络学习问句与候选答案信息的语义表示,并根据它们的语义匹配结果选出最佳答案。该方法可以较好地解决传统知识库问答方法中存在的语义鸿沟问题,从而提高问答的准确率。此外,本文采用模型融合方法进一步提升了知识库问答的准确率。(本文来源于《中国工程物理研究院》期刊2019-05-01）
王坤[6]（2019）在《面向中文医疗问题检索的语义匹配技术研究》一文中研究指出随着医疗问答社区逐渐兴起,越来越多的用户通过这些医疗服务平台进行在线查询和问诊。目前医疗问答社区主要通过搜索引擎提供问题检索服务,基于精确匹配的检索方法不能充分地理解用户查询的语义,同时难以应对多样的医学实体表述。有监督学习方法是解决语义匹配任务的常用方法,由于中文医疗领域缺乏语义匹配标注数据,难以很好地利用有监督的语义匹配模型提升医疗社区的问题检索效果。因此,本文重点研究了面向医疗问题检索的语义匹配方法,通过数据集构建、模型改进和迁移学习等方法缓解医疗领域缺乏问句匹配标注数据的问题。本文主要工作包括如下几个方面:·中文医疗领域语义匹配数据集的构建为了解决中文医疗领域缺乏问句匹配标注数据的问题,本文提出了一种半自动化的语料挖掘和数据集构建方法。基于医疗社区的公开问答数据,构建了大规模的中文医疗相似问句对数据集(CMSQP数据集)。为了正确理解和区分医学实体多样化的表述,本文利用开源知识库和医疗垂直网站的百科知识,获取医学实体及其多种表述,构建大规模的中文医疗实体表述词典。·基于Transformer改进的语义匹配模型由于大多数基于LSTM的深度语义匹配模型存在复杂度高、计算速度慢等问题,本文在Transformer模型基础上进行改进,提出了一种面向语义匹配任务的TMTransformer模型。该模型利用Multi-Head Attention机制同时学习语义表示和语义交互特征。在本文构建的CMSQP数据集和公开数据上进行实验,TMTransformer模型比现有工作实验效果更好、复杂度更低,验证了该模型在语义匹配任务上的有效性。·基于迁移学习的语义匹配方法本文设计了两种迁移学习方法提升医疗领域语义匹配任务的效果:跨领域的迁移学习和跨任务的迁移学习。跨领域迁移学习方法实现了不同数据源之间的知识迁移过程;跨任务迁移学习方法通过预训练多分类任务提升语义匹配模型的性能。通过实验验证了两种迁移策略对医疗领域语义匹配任务的提升作用,对比分析了两种迁移策略的效果、收敛速度及适用场景。(本文来源于《华东师范大学》期刊2019-05-01）
何喜军,张婷婷,武玉英,蒋国瑞[7]（2019）在《供需匹配视角下基于语义相似聚类的技术需求识别模型》一文中研究指出在技术供需文本匹配视角下,提出了一种基于语义相似聚类的技术需求识别模型.首先,采集网络中技术需求文本提取关键短语;然后,建立领域专利技术转让索引库,基于需求关键短语检索出高相关专利,构建专利技术供给背景库,并对背景库中专利标题与摘要进行分词;第叁,提出基于词向量的供需文本语义匹配度算法,筛选有效技术需求并进行语义相似聚类;最后,考虑技术需求对应的需求量和专利技术转让量,对聚类结果进行二维分类.以新能源领域为例进行实证,识别出有效技术需求195个,基于语义相似聚成12类,结合需求量与专利转让量,将12类技术需求分为"高需求、高转让"、"高需求、低转让"、"低需求、高转让"、"低需求、低转让"四大类.该研究为网络技术需求挖掘及供需匹配提供一种新思路.(本文来源于《系统工程理论与实践》期刊2019年02期）
柳东静[8]（2019）在《基于语义匹配与风格采样的图像风格迁移技术研究》一文中研究指出图像风格表达与迁移技术目前已经被广泛应用于图像编辑、图像创意设计等领域,也是计算机视觉与深度学习的热点研究方向之一。该方向虽然已经取得了诸多里程碑式的研究成果,但远未成熟,仍然存在两个关键的问题亟待解决:1)风格迁移存在语义误匹配问题,比如将风格图像的背景纹理迁移到目标图像的前景上,迁移过程没有保持语义一致性;2)风格多样性差,即迁移算法只能处理单一风格或者少量的风格,无法对任意风格进行迁移,也不能对风格采样。针对上述问题,本文研究了图像风格迁移的发展现状,并对相关技术做了综述,在此基础上做了如下两个工作:1.针对语义误匹配问题,提出了基于语义分割的图像风格迁移算法,该算法可自动提取图像中的对象语义信息,并以语义信息作为约束来做风格迁移。在WikiArt[1]和CelebA[2]数据集上的实验表明,与现有的语义风格迁移算法相比,本文的算法不需要手工制作语义信息,而是通过网络自动提取语义信息;另外本文的算法在保持语义一致性的同时,风格迁移结果在清晰程度和细节丰富程度上都要优于现有的算法。2.针对风格多样性差的问题,提出了基于变分自动编码器的图像风格迁移算法,该算法将风格迁移和变分自动编码器(Variational Auto-Encoders,简称VAE)相融合,在内容固定的情况下,可对风格特征随机采样,生成任意数量内容一样、风格随机的图像。在COCO[3]和WikiArt数据集上的实验表明,该算法能通过风格采样快速合成质量较高的图像。另外,与现有风格迁移算法相比,在合成效果相近的情况下,算法的合成速度是现有算法的50倍。综上,本文的贡献有:1)提出了基于语义分割的图像风格迁移算法,该算法可自动提取语义信息,解决了风格迁移中语义误匹配问题;2)提出了基于变分自动编码器的图像风格迁移算法,实现了风格采样,解决了风格多样性差的问题。(本文来源于《浙江大学》期刊2019-01-01）
张河苇,金剑,董绍华,张来斌,李宁[9]（2018）在《语义相似度计算在内检测数据参数匹配中的应用》一文中研究指出内检测数据对齐有助于提高内检测数据的利用率,目前国内外学者已初步建立内检测对齐流程。然而针对管道大数据背景下需匹配字段繁杂、中文字段描述多样等问题仍缺乏解决方案。本文采用中文语义相似度计算方法,计算各类字段与模板字段的相似度,确定其匹配度,可以从大量字段中选取匹配字段,实现不同来源内检测数据的对齐。本文在原有的基于同义词词林计算方法的基础上进行改进,并使用内检测报告中的实际字段进行计算,通过比对发现,本文改进的方法能够区分内检测报告中的不同字段,对多来源内检测数据对齐有较好的适用性。(本文来源于《石油科学通报》期刊2018年04期）
何喜军,马珊,武玉英[10]（2018）在《基于本体和SAO结构的线上技术供需信息语义匹配研究》一文中研究指出【目的/意义】为应对线上技术供需信息超载导致的检索难、信息非结构化导致的供需文本匹配难的问题,开展技术供需信息语义匹配研究。【方法/过程】构建技术领域本体,利用SAO结构分析提取技术供需信息中多维语义结构特征,表征供给技术的创新特征及技术需求的问题特征。应用基于本体信息内容与语义距离相似算法,结合词向量与熵值分析,提出技术供需多维语义结构匹配模型。【结果/结论】对线上新能源领域技术供需数据进行测试,验证模型有效性,为提高技术供需主体信息检索效率、促进供需对接提供思路,并为考虑供需信息匹配的科技主体推荐提供决策。(本文来源于《情报科学》期刊2018年11期）
语义匹配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了一种智能化的预案语义匹配方法,基于军事知识图谱,建立知识图谱与作战预案特征映射,构建预案语义特征标注,实现作战预案隐藏知识的显式定义;设计了作战预案语义特征抽取与相似性计算算法,解决基于索引或关键字等语用层次特征匹配效率和准确度较低的问题,实现基于语义特征的作战预案智能语义匹配,满足预案快速、精准化匹配需求.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义匹配论文参考文献
[1].姚俊良,乐小虬.科技查新查新点语义匹配方法研究[J].数据分析与知识发现.2019
[2].梁汝鹏,邓克波,毛泽湘,徐沛.基于军事知识图谱的作战预案语义匹配方法研究[J].指挥与控制学报.2019
[3].吴少洪,彭敦陆,苑威威,陈章,刘丛.MGSC:一种多粒度语义交叉的短文本语义匹配模型[J].小型微型计算机系统.2019
[4].郝玫,马建峰.基于特征观点对语义匹配的产品评论可信度研究[J].现代情报.2019
[5].赖辉源.面向知识库问答的深度神经网络语义匹配方法研究[D].中国工程物理研究院.2019
[6].王坤.面向中文医疗问题检索的语义匹配技术研究[D].华东师范大学.2019
[7].何喜军,张婷婷,武玉英,蒋国瑞.供需匹配视角下基于语义相似聚类的技术需求识别模型[J].系统工程理论与实践.2019
[8].柳东静.基于语义匹配与风格采样的图像风格迁移技术研究[D].浙江大学.2019
[9].张河苇,金剑,董绍华,张来斌,李宁.语义相似度计算在内检测数据参数匹配中的应用[J].石油科学通报.2018
[10].何喜军,马珊,武玉英.基于本体和SAO结构的线上技术供需信息语义匹配研究[J].情报科学.2018
论文知识图
