条件随机场

摘要： 从传感器数据中学习行为模式对于高级活动推理极其重要.展示了如何从北斗导航数据的痕迹中提取多足机器人的活动和重要的地方.设计的系统使用识别图模型中的分层条件随机场来生成多足机器人的活动和地点的一致模型.实验显示了系统能够使用收集的数据中训练的模型来稳健地估计多足机器人的活动.

摘要： 在Transformer-CRF的基础上,通过调整函数优化方向感知和距离感知,提出一种基于调整函数动态调整方向感知的中文命名实体识别(C-ADA)模型.将C-ADA模型与BiLSTM、IDCNN、Transformer、TENER 4类模型在F_(1)得分上进行对比,结果表明,C-ADA模型均优于其他模型,在一定程度上验证了C-ADA具有较好的识别性能.

摘要： 针对民航旅客机上接打电话、扰乱其他乘客等各种不循规行为,提出了一种Tag+Bi-LSTM+CRF神经网络模型,可识别出不文明旅客实体信息。考虑到民航文本记录中一条语句中有多个实体,实体出现在句子中的模式可能包含有用的语义信息,将命名实体识别任务中的字符通过BIOES标记方法标记后与词嵌入、位置嵌入串联,以丰富输入表示。首先,利用Yedda工具对民航旅客随机记录文本中的实体进行标注,结合词嵌入、位置嵌入作为模型输入,其次,采用双向长短时记忆网络(Bi-LSTM,bi-directional long short-term memory)模型获取序列文本的上下文特征,然后,通过条件随机场(CRF,conditional random field)模型获得序列标注结果,最后,分别在输入层和Bi-LSTM层添加dropout层,防止数据过拟合。实验结果表明,该模型在民航不文明旅客实体识别中精确率、召回率和F1均高达96%以上,能有效获取不文明旅客行为、等级、处罚、期限等信息。

摘要： 在传统中文电子病历的命名实体识别任务中,针对医疗实体边界不清、实体嵌套、语句成分缺失、高度依赖人工提取特征等问题,提出基于词嵌入结合BiLSTM-CRF模型的中文电子病历命名实体识别模型。将电子病历文本数据集进行脱敏处理及序列标注等数据预处理,结合词嵌入匹配病历文本序列进行词向量化表示,利用BiLSTM神经网络对前后向病历文本进行空间语义建模,获取文本序列的语义特征,然后利用CRF预测实体标签输出。实验结果表明,改进后的BiLSTM-CRF模型显著提高了病历实体识别的准确率和召回率。

摘要： 在玻璃文物领域中,有大量的文物数据没有被充分研究并利用.提出基于字向量的BiLSTM-CRF模型与玻璃文物特征字典相结合的命名实体识别方法,首先基于玻璃文物特征字典BIO标注文本并构建玻璃文物语料库,接着使用BiLSTM训练语料库并输出结果,最后CRF层结合训练结果对实体进行筛选并分类,抽取出正确的实体.实验表明,该方法在玻璃文物语料库中准确率达到91.56%,召回率达到88.25%,综合评价指标达到89.87%.

摘要： 由于结直肠息肉的大小、颜色和质地各异,且息肉与周围粘膜的边界不清晰,导致息肉分割存在较大挑战。为提高结直肠息肉的分割准确率,本文提出了一种改进的DoubleUNet网络分割算法。该算法首先对息肉图像进行去反光处理,并通过数据扩增方法将训练数据集进行扩大;接着,在DoubleUNet网络的解码器部分引入注意力机制,并将网络中的空洞空间卷积池化金字塔(ASPP)模块替换为密集连接空洞空间卷积池化金字塔(DenseASPP)模块,以提高网络提取特征的能力;最后,为提高小目标的分割精度,提出利用Focal Tversky Loss函数作为本算法的损失函数。该算法在Kvasir-SEG、CVC-ClinicDB、ETIS-Larib、ISIC和DSB数据集测试中的准确率分别为0.9530、0.9642、0.8157、0.9503和0.9641,而DoubleUNet算法在上述数据集的准确率分别为0.9394、0.9592、0.8007、0.9459和0.9496。实验结果表明本文算法相对于DoubleUNet算法具有更好的分割效果,可以有效的辅助医师切除结直肠异常组织从而降低息肉癌变的概率,且能够应用于其它医学图像分割任务中。

摘要： 遥感图像变化检测一直是遥感领域的热点。使用单一的差分影像很难保证初始变化图的准确度,为了充分利用遥感图像的空间信息,文章提出了一种用于无监督遥感图像变化检测的基于超像素的条件随机场模型。该方法首先通过变化矢量分析、光谱相关映射器产生了提供互补变化信息的差异图像。然后对差异图像进行简单线性迭代聚类得到超像素图像,最后,引入到条件随机场模型进行优化获得二值变化图。实验结果表明,所提出的方法提高了遥感图像变化检测的准确性。

摘要： 【背景】及时掌握领域术语有助于动态把握领域发展方向,揭示领域的核心知识与研究热点。【目的】为提高领域术语抽取准确率,提出一种基于深度学习和统计信息的领域术语抽取方法。【方法】首先,对领域中文专利文本进行字嵌入表示,基于BERT(Bidirectional Encoder Representations from Transformers)获取字符级的向量表征作为模型的输入;然后,利用BiLSTM-CRF(Bidirectional Long Short Term Memory-Conditional Random Field)深度学习模型提取序列化文本的语义特征,得到领域术语标注序列;最后,综合计算复合结构术语的互信息和左右熵,并结合领域知识库对抽取结果进行校正。【结果】模型在“盐湖提锂”领域进行实验,结果表明BERT-BiLSTM-CRF模型抽取该领域术语准确率达到77.33%,而对抽取结果进行校正进一步将准确率提升了3.68%,是一种有效的领域术语抽取方法。

摘要： 了解锂电池的研究热点对促进新能源产业发展有十分重要的意义。本文以国家知识产权局2011-2020年锂电池专利文本为数据源,以锂电池论文中关键词和N-gram语言模型提取的关键词为标记条件,通过条件随机场模型获取锂电池专业词汇。模型准确率、召回率和F1测度值分别为85%、84%和84%。依照正向最大匹配法将每条摘要中包含的专业词汇进行两两连边,构建加权共词网络进行分析。发现锂电池领域的研究热点集中在如何改善和提高锂电池内部性能上,锂电池组是当前锂电池在各个技术领域中的研究热点。

摘要： 命名实体识别是知识图谱构建、搜索引擎、推荐系统等上层自然语言处理任务的重要基础,中文命名实体识别是对一段文本序列中的专有名词或特定命名实体进行标注分类。针对现有中文命名实体识别方法无法有效提取长距离语义信息及解决一词多义的问题,提出一种基于ALBERT-双向门控循环单元(BGRU)-条件随机场(CRF)模型的中文命名实体识别方法。使用ALBERT预训练语言模型对输入文本进行词嵌入获取动态词向量,有效解决了一词多义的问题。采用BGRU提取上下文语义特征进一步理解语义,获取长距离词之间的语义特征。将拼接后的向量输入至CRF层并利用维特比算法解码,降低错误标签输出概率。最终得到实体标注信息,实现中文命名实体识别。实验结果表明,ALBERT-BGRU-CRF模型在MSRA语料库上的中文命名实体识别准确率和召回率分别达到95.16%和94.58%,同时相比于片段神经网络模型和CNN-BiLSTM-CRF模型的F1值提升了4.43和3.78个百分点。

摘要： 已有的基于深度神经网络的目标区域分割算法在目标边界分割效果存在一些问题,我们针对上述问题提出了融合图像像素信息与图像语义信息的目标区域分割算法.首先通过深度神经网络提取图像的语义级别的信息,得到图像语义级别的全局特征;然后利用条件随机场模型对图像局部区域进行像素级别建模,得到图像的局部细节特征;最后,综合利用图像的局部细节特征和图像的全局特征,得到目标区域的分割结果.实验结果表明,与已有的算法相比,本算法能够更好地分割出目标的边界区域,抑制边界区域分割粗糙的问题,得到较准确的目标分割区域.

摘要： 古文句读不仅需要考虑当前文本的语义和语境信息,还需要综合历史文化常识,对专家知识有较高要求.该文提出了一种基于深层语言模型(BERT)古汉语知识表示方法,并在此基础上通过条件随机场和卷积神经网络实现了高精度的自动断句模型.在诗、词和古文三种文体上,模型断句F1值分别达到99％、95％和92％以上.在表达较为灵活的词和古文文体上,模型较之传统双向循环神经网络方法提升幅度达到12％以上.实验数据显示,模型能较好地捕捉诗词表达的节奏感和韵律感,也能充分利用上下文信息,实现语序、语法、语义、语境等信息的编码.在进一步的案例应用中,该方法在已出版古籍的断句疑难误例上也取得了较好的效果.

摘要： 属性抽取的主要目标是从非结构化文本中获取实体的属性值.为了从文本中抽取出人物属性,通常需要大量的标注数据,然而这些数据资源却十分稀少.为了解决这个问题,本文从百科类网页的表格数据出发,构建了人物属性表,然后采用远程监督的方法得到大规模、多类别的人物属性标注语料,从而免去了人工标注的繁琐流程.针对新构建的数据集,分别使用条件随机场(CRF)和双向长短期记忆-条件随机场(BiLSTM-CRF)构建了属性抽取的两个基线模型.实验结果表明BiLSTM-CRF取得比CRF更好的性能,其中BiLSTM-CRF的平均F1值为83.39％.

摘要： 否定表达作为自然语言文本中常见的语言现象,对自然语言处理上层应用,如情感分析、信息抽取等,具有十分重要的意义.否定聚焦点识别任务是更细粒度的否定语义分析,其旨在识别出句子中被否定词修饰和强调的文本片段.本文将该任务作为序列标注问题,提出了一种基于双向长短期记忆网络结合条件随机场(BiLSTM-CRF)的否定聚焦点识别模型,其中,BiLSTM网络能够充分利用上下文信息并抓取全局特征,CRF层能够有效学习输出标签之间的前后依赖关系.在*SEM2012评测任务数据集上的实验结果表明,基于BiLSTM-CRF的否定聚焦点识别方法的准确率(Accuracy)达到69.58％,与目前最好的系统相比,性能提升了2.44％.

摘要： 新词发现,作为自然语言处理的基本任务,是用计算方法研究中国古代文学必不可少的一步.该文提出一种基于古文语料的新词识别方法,称为AP-LSTM-CRF算法.该算法分为三个步骤.第一步,基于Apache Spark分布式并行计算框架实现的并行化的Apriori改进算法,能够高效地从大规模原始语料中产生候选词集.第二步,用结合循环神经网络和条件随机场的切分概率模型对测试集文档的句子进行切分,产生切分概率的序列.第三步,用结合切分概率的过滤规则从候选词集里过滤掉噪声词,从而筛选出真正的新词.实验结果表明,该新词发现方法能够有效地从大规模古文语料中发现新词,在宋词和史记数据集上分别进行实验,F1值分别达到了89.68％和81.13％,与现有方法相比,F1值分别提高了8.66％和2.21％.

摘要： 正确划分句子的韵律结构对于提高合成语音的质量具有重要的意义.而特征的选择是韵律结构预测的关键因素之一.在中文信息处理中,文本特征可以分为浅层文本特征与深层文本特征,浅层特征包括词、词性、词长等,深层特征包括句法信息、语义信息等.该文在挖掘剖析句法结构、依存句法结构同韵律结构之间关系的基础上,从文本中获取相关浅层和深层文本特征,并采用条件随机场模型实现韵律短语预测.该文首先以浅层文本特征进行韵律短语识别,然后在此基础上加入句法依存深层文本特征进行模型构建.实验结果证明,加入句法依存特征后,韵律短语预测精确度提高了13.3％,召回率提高了14.7％,F值提高了14.1％.

摘要： 句间引用关系自动识别是篇章分析中一项重要内容.句间引用关系影响着对句群篇章的分析,而目前自然语言处理中对引用这一句间关系的研究较少.句间引用关系主要体现在引语中的引用句上.引语由引导句和引用句组成,一般分为直接引语和间接引语,其中间接引语的识别难度最大,引导句和引用句相对位置不定、不同领域语料的引语与非引语比例极不均衡等进一步增加引语自动识别的难度.论文主要尝试对引用这一句间关系进行初步探索,采用条件随机场(CRF)以及深度神经网络与条件随机场相结合(BLSTM-CRF)的方法对引语进行自动识别,并引入引导句中管领词特征进行实验对比.实验结果表明,CRF模型和BLSTM-CRF模型对引语的识别精确率分别达到85.49％和80.19％,F值分别达到78.75％和79.60％.

摘要： 现有的维吾尔文命名实体识别主要采用基于条件随机场的统计学习方法,但依赖于人工提取的特征工程和领域知识.针对该问题,该文提出了一种基于深度神经网络的学习方法,并引入不同的特征向量表示.首先利用大规模未标注语料训练的词向量模型获取每个单词具有语义信息的词向量;其次,利用Bi-LSTM提取单词的字符级向量;然后,利用直接串联法或注意力机制处理词向量和字符级向量,进一步获取联合向量表示;然后Bi-LSTM-CRF深度神经网络模型进行命名实体标注.实验结果表明,以基于注意力机制的联合向量表示作为输入的Bi-LSTM-CRF方法在维吾尔文命名实体识别上F值达到90.13％.

摘要： 电子病历中命名实体识别是生物医学文本挖掘的基础,对生物医学实体关系抽取和医学专业知识库的建立等方面都有着重要的研究意义.在比较了现有实体识别方法和模型后,针对CCKS任务一:电子病历命名实体识别,提出基于Re-entity的条件随机场(CRF)和BiLSTM-CRF方法,并添加中国临床药物标准知识库(normalized Chinese clinical drug)NCCD作药物词典特征,结果表明,NCCD能有效提高电子病历中药物的识别率,在该任务上取得了86.9％的严格F1值.

摘要： 本文主要通过CRF-工具对《曹沧洲医案》进行症状一药物实体识别，首先经过标注工具标注中医症状-药物BIO标签进行训练和测试，得到F测度值82%，比只运用单一特征的CRF抽取的结果效率更高，可见利用本文提出的BiLSTM+CRF提取方法对中医医案古籍的实体识别具有良好的效果。通过对《曹沧洲医案》等中医医案古籍的实体识别研究，为将来建立中医药搜索引擎及新知识挖掘等方面提供了一种可行的方法。

摘要： 本发明涉及一种基于条件随机场模型的高分辨率遥感图像机场检测方法，实现过程为：首先提取高分辨率遥感图像的dense SIFT特征，求取dense SIFT特征在过完备字典上的稀疏编码，然后在每一个稀疏编码的4邻域范围内建立4连通图，在4连通图上建立条件随机场模型，根据由Max‑margin算法学习得到条件随机场模型参数，由LBP算法推理出每一个稀疏编码属于机场目标的概率值，从而得到机场目标概率图，最后对机场目标概率图进行阈值分割，便可得到机场检测结果。本发明在高分辨遥感图像中进行机场检测，具有准确率高，虚警率低的优点，具有很高的应用价值。

摘要： 本发明提出了一种基于随机游走和条件随机场的社会标签推荐方法，标签推荐数据经过数据抽取，抽取出用户标签、资源标签数据；利用基于随机游走的多标签分类算法预测资源可能被标记的标签概率，该过程有效利用资源本身具有的特征，降低了因用户标注导致的标签噪声的影响；以预测资源可能被标记的标签概率设计点特征函数，标签共现率、用户相似度设计边特征函数，构造条件随机场，获得用户为资源可能添加的标签，选择大于阈值的标签作为推荐标签，该过程有效利用用户、资源、标签三维关系，降低了因将社会标签推荐三维关系转化为二维关系造成的有效信息的损失。本发明提高了标签推荐的质量，帮助用户更好的查找和定位社会资源。

摘要： 本发明属于地质勘测相关技术领域，并公开了一种基于条件随机场决策树的地质模型随机场的获取方法。该方法包括下列步骤：S1选取拟建工程的岩土分析域，在该分析域内钻孔并记录钻孔信息；S2根据地质空间的变异特征、钻孔数据可获取性和土层分布情况，构建基于条件随机场的决策树；S3将步骤S1记录的钻孔点的钻孔信息作为输入，利用步骤S2中构建的基于条件随机场的决策树选取对应的参数化地质建模方法，计算获得参数化地质几何模型、网格化的几何模型和该网格化几何模型中各个网格节点对应的随机场值；S4将步骤S3中获得的随机场值予以表征，以此实现待分析岩土随机场值的可视化。通过本发明，解决在地质模型构建中无法考虑地质空间变异性的问题。

摘要： 本发明涉及一种基于条件随机场模型的高分辨率遥感图像机场检测方法，实现过程为：首先提取高分辨率遥感图像的dense SIFT特征，求取dense SIFT特征在过完备字典上的稀疏编码，然后在每一个稀疏编码的4邻域范围内建立4连通图，在4连通图上建立条件随机场模型，根据由Max-margin算法学习得到条件随机场模型参数，由LBP算法推理出每一个稀疏编码属于机场目标的概率值，从而得到机场目标概率图，最后对机场目标概率图进行阈值分割，便可得到机场检测结果。本发明在高分辨遥感图像中进行机场检测，具有准确率高，虚警率低的优点，具有很高的应用价值。

摘要： 本发明提出了一种基于随机游走和条件随机场的社会标签推荐方法，标签推荐数据经过数据抽取，抽取出用户标签、资源标签数据；利用基于随机游走的多标签分类算法预测资源可能被标记的标签概率，该过程有效利用资源本身具有的特征，降低了因用户标注导致的标签噪声的影响；以预测资源可能被标记的标签概率设计点特征函数，标签共现率、用户相似度设计边特征函数，构造条件随机场，获得用户为资源可能添加的标签，选择大于阈值的标签作为推荐标签，该过程有效利用用户、资源、标签三维关系，降低了因将社会标签推荐三维关系转化为二维关系造成的有效信息的损失。本发明提高了标签推荐的质量，帮助用户更好的查找和定位社会资源。

摘要： 本发明公开的基于双向GRU‑条件随机场的非线性均衡方法，属于光纤通信技术领域。本发明实现方法为：发送和采集M‑QAM信号序列，构建每个M‑QAM信号的特征序列，构建训练数据集；构建基于双向GRU‑条件随机场的非线性均衡模型；利用训练数据集对双向GRU‑条件随机场模型进行训练；使用训练好的双向GRU‑条件随机场模型对每个M‑QAM信号的特征序列进行标签序列的预测，输出得到每个M‑QAM信号的预测标签序列；将输出的预测标签序列的中间标签结果作为M‑QAM信号所对应的类别，通过M‑QAM星座符号解映射后，得到相对应二进制数据，实现高准确度的数据恢复，有效降低信号在长距离传输过程中受到的由于器件和光纤的非线性效应造成的影响，降低通信系统的误比特率，提升通信系统的传输性能。

摘要： 本发明公开了基于深度学习和条件随机场的地址单元解析方法及装置，属于地址单元解析技术领域，要解决的技术问题为如何解决现有地址解析中存在的长文本处理效果不佳、字嵌入无法充分体现上下文特征、深度学习模型结构复杂、地址单元类型简单的问题。该方法包括如下步骤：对训练集进行序列标注；对标注后训练集进行预处理，预处理后训练集能够被Bert模型接收；构建并训练基于端到端的地址单元标注模型；对测试集进行预处理，预处理后测试集能够被Bert模型接收；通过训练后地址单元标注模型预测预处理后测试集中每个单字的地址单元标签；从地址单元标注序列中抽取出地址单元名称和标签。

摘要： 一种基于高阶条件随机场的非监督遥感影像变化检测方法，它包括以下步骤：步骤1：对两期遥感影像进行预处理，获得两组不同的差分影像；步骤2：对两组差分影像进行模糊聚类，得到模糊隶属度函数，并对模糊隶属度进行融合，得到融合隶属度；步骤3：进行差分影像的分割，得到对象级差分影像；步骤4：利用融合隶属度和像素级差分影像计算条件随机场能量函数的一元势和二元势，利用融合隶属度和对象级差分影像计算条件随机场能量函数的高阶势；步骤5：对高阶条件随机场的能量函数进行最优化，输出所有像素类别标签，得到最终的变化检测图。

摘要： 本发明公开了基于UNET3+与全连接条件随机场融合的震后地貌分割方法，包括：S1，收集历史震后相关图像数据；S2，数据预处理；S3，构建改进的UNET3+模型；S4，构建改进的全连接条件随机场模型，将改进的UNET3+模型得到的数据作为一阶势函数输入，引入包含两个线性组合的高斯核函数‑‑外形核和平滑核二阶势函数，分别控制两个像素的接近程度和相似程度，以及图像整体的平滑程度；引入加入区域约束，改进成全连接条件随机场，通过mean‑shift分割算法产生各个超像素，然后计算其后验概率均值，进而修正各像素的分类结果；S5，评估改进的全连接条件随机场模型的输出的分割效果。

摘要： 基于改进全连接条件随机场的SAR影像变化检测方法，首先对两期SAR影像进行预处理,其次通过对数比、邻域比和非局部图技术生成两期SAR影像三组差分影像；接着，利用模糊C均值聚类算法对三组差分影像进行模糊聚类，得到模糊隶属度矩阵，并生成初始变化检测图；然后提出一种改进的全连接条件随机场，并利用所获取的模糊隶属度计算改进全连接条件随机场的一元势，基于两期SAR影像和三组差分影像计算改进全连接条件随机场的二元势；最后通过平均场推理算法对改进全连接条件随机场进行求解，得到最终变化检测图。本发明所提出方法综合考虑两期SAR影像和三组差分影像，并利用改进全连接条件随机场利用空间上下文信息，能够得到更优的变化检测结果。