黄瑞章

作品数：88被引量：176H指数：7
导出分析报告
供职机构：贵州大学更多>>
发文主题：文本聚类文本神经网络关系抽取文本表示更多>>
发文领域：自动化与计算机技术文化科学政治法律经济管理更多>>
发文期刊：《山东大学学报（工学版）》《大数据》《计算机工程与设计》《清华大学学报（自然科学版）》更多>>
所获基金：国家自然科学基金贵州省科学技术基金贵州省科技厅重大专项贵州省自然科学基金更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于大语言模型的多输入中文拼写纠错方法
《计算机应用》2025年第3期849-855,共7页马灿 黄瑞章 任丽娜 白瑞娜 伍瑶瑶 
国家自然科学基金资助项目(62066007);贵州省科技支撑计划项目(2022277)。
中文拼写纠错(CSC)是自然语言处理(NLP)中的一项重要研究任务,现有的基于大语言模型(LLM)的CSC方法由于LLM的生成机制,会生成和原文存在语义偏差的纠错结果。因此,提出基于LLM的多输入CSC方法。该方法包含多输入候选集合构建和LLM纠错...
关键词：中文拼写纠错 大语言模型 模型集成 模型微调 提示学习 
结合提示学习和Qwen大语言模型的裁判文书摘要方法
《清华大学学报（自然科学版）》2024年第12期2007-2018,共12页李佳沂 黄瑞章 陈艳平 林川 秦永彬 
国家自然科学基金资助项目(62066008);贵州省科学技术基金重点资助项目(黔科合基础[2020]1Z055);贵州省科学技术基金重点资助项目(黔科合重大专项字[2024]003)。
尽管大语言模型在新闻、艺术等领域的文本摘要任务上取得了良好的效果,但由于大语言模型缺乏对司法领域知识的学习,同时难以理解裁判文书的结构特征和逻辑关系,导致生成的裁判文书摘要质量不佳。该文提出结合提示学习和Qwen大语言模型...
关键词：裁判文书摘要 文本摘要 大语言模型 提示学习 
基于自适应结构学习的深度文本聚类被引量：1
《计算机工程》2024年第11期89-97,共9页潘伟 黄瑞章 任丽娜 薛菁菁 
国家自然科学基金(62166007);贵州省自然科学基金(黔科合基础ZK[2022]027)。
近年来,将结构信息应用于深度文本聚类中以提升聚类效果取得了较优的成果。然而,结构信息的构造方法大多只进行简单的距离测算且近邻数量固定,导致构建的图难以获得较精确的文本结构信息。另外,众多方法对近邻文本只进行一阶挖掘,使图...
关键词：阈值 深度文本聚类 文本结构信息 图神经网络 自适应结构学习 
基于主动学习的深度半监督聚类模型
《计算机应用研究》2024年第10期2955-2961,共7页付艳艳 黄瑞章 薛菁菁 任丽娜 陈艳平 林川 
国家自然科学基金资助项目(62066007);贵州省科技支撑计划资助项目(黔科合支撑【2022】一般277)。
深度半监督聚类旨在利用少量的监督信息达到更好的聚类效果。然而,由于标注成本昂贵,监督信息的数量往往是有限的。因此,在监督信息有限的情况下,如何选择对聚类最有价值的监督信息变得至关重要。针对以上问题,提出了基于主动学习的深...
关键词：深度半监督聚类 主动学习 边缘文本 
融合位置编码的中文拼写纠错方法
《计算机工程与设计》2024年第9期2844-2851,共8页赵建辉 林川 任丽娜 黄瑞章 
国家自然科学基金项目(62066007);贵州省科技支撑计划基金项目(黔科合支撑【2022】一般277)。
在中文拼写纠错任务中,字符在文本中的距离信息和顺序信息是重要的特征,因此位置编码至关重要。传统的位置编码无法区分字符的前后联系,此外二阶段方式的纠错方案存在错误传播问题。针对上述问题,提出一种多任务学习下融合位置编码的中...
关键词：中文拼写纠错 距离信息 顺序信息 位置编码 错误传播 融合位置编码 多任务学习 
一种面向关系抽取的表填充依赖特征学习方法
《计算机工程与应用》2024年第13期143-151,共9页唐媛 陈艳平 扈应 黄瑞章 秦永彬 
国家自然科学基金(62166007);贵州省科技支撑计划项目([2022]277)。
基于表填充的关系抽取方法利用深度神经网络将句子映射到二维抽象表示,忽略了句子中不同跨度之间的语义结构,很难获取到句子中的长距离语义依赖。针对表填充方法的这一不足之处,提出了一个结合句法依存树的表填充关系抽取模型。该模型...
关键词：关系抽取 表填充 句法依存树 神经网络 
面向机器阅读理解的边界感知方法
《计算机应用》2024年第7期2004-2010,共7页刘青 陈艳平 邹安琪 黄瑞章 秦永彬 
国家自然科学基金资助项目(62166007);贵州省科技支撑计划项目([2022]277)。
针对现有的基于预训练语言模型的答案获取方法存在预测边界不够准确的问题,提出一种面向片段抽取式机器阅读理解(MRC)的边界感知方法。首先,在问题输入阶段引入特殊字符标记问题边界,通过增强问题语义信息的方式实现对问题边界的感知;其...
关键词：机器阅读理解 问题边界感知 答案边界回归 片段抽取 
基于多尺度混合注意力卷积神经网络的关系抽取模型被引量：1
《计算机应用》2024年第7期2011-2017,共7页唐媛 陈艳平 扈应 黄瑞章 秦永彬 
国家自然科学基金资助项目(62166007);贵州省科技支撑计划项目([2022]277)。
针对基于卷积神经网络(CNN)的关系抽取获取句子语义信息时缺少不同尺度语义特征信息的获取以及对关键信息的关注的问题,提出基于多尺度混合注意力CNN的关系抽取模型。首先,将关系抽取建模为二维化表示的标签预测;其次,通过多尺度的特征...
关键词：关系抽取 二维化表示 通道注意力 空间注意力 多尺度语义特征 
基于事件表示和对比学习的深度事件聚类方法被引量：2
《计算机应用》2024年第6期1734-1742,共9页蒋小霞 黄瑞章 白瑞娜 任丽娜 陈艳平 
国家自然科学基金资助项目(62066007);贵州省教育厅职业教育科研项目(GZZJ-Q2022028);贵州省科技支撑计划项目(黔科合支撑[2023]一般300)。
针对现有深度聚类方法不考虑事件信息及其结构特点而难以有效划分事件类型的问题,提出一种基于事件表示和对比学习的深度事件聚类方法(DEC_ERCL)。首先,利用信息识别手段从非结构化文本中识别结构化的事件信息,避免冗余信息对事件语义...
关键词：深度聚类 文本聚类 事件表示 事件结构 对比学习 
Corrective-Net:面向多标签文本分类的标签关联学习模块
《计算机工程与科学》2024年第6期1092-1100,共9页肖新正 黄瑞章 陈艳平 秦永彬 宋玉梅 周裕林 
国家自然科学基金(62066007,62066008);贵州省教育厅高等学校科学研究(青年项目)(黔教技〔2022〕149号)。
在目前的多标签文本分类任务中,主要面临以下2个问题:(1)侧重文本表示学习,对标签之间的关联信息建模不充分;(2)尽管使用了标签关联信息来改善多标签分类任务,但对标签关联的建模过于依赖人工预定义的外部知识,而外部知识的获取成本高昂...
关键词：标签关联 标签修正 多标签 文本分类 可视化 
全选清除导出
共9页<123456789>
检索报告 对象比较 聚类工具 使用帮助 返回顶部