导读:本文包含了多特征组合模型论文开题报告文献综述及选题提纲参考文献，主要关键词:命名实体识别,特征提取,集成学习,直推学习
多特征组合模型论文文献综述
孙安,于英香,罗永刚,孙逊[1]（2019）在《序列标注模型中不同输入特征组合的集成学习与直推学习方法研究——以CCKS-2018电子病历命名实体识别任务为例》一文中研究指出[目的/意义]研究机器学习中集成学习与直推学习方法对电子病历命名实体识别任务的性能影响,为基于机器学习方法的文本信息抽取提供一种性能优化方法。[方法/过程]首先对CCKS-2018提供的电子病历文本进行分析,提取中文分词、词性标注、临床实体类别特征;然后在条件随机场CRF算法下,采用不同输入特征组合的方法构造"基学习器"进行投票集成;最后用直推学习方法对集成学习结果进行优化。[结果/结论]实验中集成学习获得总体效果F_1值86.93%均优于"基学习器"结果值,直推学习获得了模型的最佳泛化性能87.06%,同时多特征组合比单独字特征可以获得更好的"基学习器"。实验证明采用不同输入特征组合的集成学习和直推学习可以有效提升模型的泛化性能,该方法可以在其他相关机器学习与文本信息抽取领域中推广。(本文来源于《情报杂志》期刊2019年10期）
李宇航[2]（2019）在《基于大数据的船舶交通客流特征组合预测模型分析》一文中研究指出为了提高船舶交通客流特征预测的时效性,设计基于大数据相关技术信息,提出将粗糙集和支持向量机预测机制结合的预测分析模型。首先运用粗糙集属性,对大数据下的船舶交通客流信息,进行数据出行约简,删除数据中冗余属性,继而建立支持向量机回归预测机制,将约简后的船舶交通数据样本,作为数据预处理器,通过对条件值进行筛选,并量化为一张二维表格,作为决策表,重新组合成为训练数据样本,输入SVM中,进行学习训练,实现交通客流特征的组合预测。仿真实验表明,该模型预测结果特征比真实性提高29%,有效时序性提高35%,可以证明该预测模型的预测结果时效性更强。(本文来源于《舰船科学技术》期刊2019年08期）
马雅从[3]（2018）在《基于特征组合的展示广告点击率预估模型研究》一文中研究指出随着机器学习在计算广告领域中为互联网企业带来越来越多的收入,近年来关于广告点击率预估问题的研究也随之不断地深入,尤其是类目型特征的处理,在近年来获得非常高的关注度。对于此问题,业界的解决方案以基于业务理解的人工特征组合为主,辅以逻辑回归等模型,需要耗费大量的人工精力,而在学术研究中则更多对基于特征组合的深度学习模型进行研究,但仍旧存在模型可解释性较差,在大规模数据集中调参难度较高等问题。本文从数据挖掘竞赛中基于业务理解进行特征组合构造的方法出发,总结常见的特征组合构造方式,提出一套较为完备的自动化特征组合构造框架AutoFeature,同时为了进一步优化特征组合构造的效率,本文提出一种基于矩阵分解的启发式特征组合搜索框架MF-AutoFeature,并将其应用于百万级用户量与千万级样本量的数据集中。实验表明,无论是与经典的因子分解机及其变体相比还是与近年来的基于特征组合的深度学习模型相比,该框架在与梯度提升树级联之后都能具备相对优异的预测能力,同时该框架构造的特征依旧能保持较好的可解释性,并且在特征组合构造的过程中无需进行人工调参。除此之外,本文还优化了近年热门的基于特征组合的深度学习模型,主要工作如下:本文基于深度因子分解机模型DeepFM,分别将注意力机制和神经网络加入到DeepFM的因子分解机部分,提出基于注意力机制的深度因子分解机模型DeepAFM和深度神经因子分解机模型DeepNFM。实验表明,在百万级用户量,千万级样本量的数据集中,DeepAFM和DeepNFM的预测精度从总体上均优于深度因子分解机等模型。本文还尝试将序列信息融入因子分解机,提出循环神经因子分解机RFM以及深度循环神经因子分解机DeepRFM,将循环神经网络加入到基于特征组合的深度学习模型中,使得在进行序列信息建模的同时能够进行自动特征组合。实验表明,RFM和DeepRFM对于历史记录较为丰富的用户的点击率预估效果显着优于因子分解机和深度因子分解机。(本文来源于《华南理工大学》期刊2018-04-20）
周新跃[4]（2018）在《科技查新项目新颖性判断的文献学术特征组合模型》一文中研究指出为了揭示文献学术特征与科技查新项目新颖性判断之间的关系,随机抽取54篇农学专业文献和5个农学类课题,由10位查新员分别给出文献与查新课题的学术特征相似性以及文献与查新课题的相关性评分,根据评分结果,抽取密切相关文献并作出查新课题相对于文献的新颖性评分,共计900组数据。采用多元回归的方法,研究了学术文献的研究对象、研究内容、研究方法、研究结果的学术特征四要素对科技查新项目新颖性的影响,发现叁种不同类型的相关性,得出了一组多元回归模型,进行了检验和分析。(本文来源于《图书馆杂志》期刊2018年01期）
伊雯雯[5]（2016）在《基于多维特征组合逻辑回归模型的广告点击率预测》一文中研究指出逻辑回归模型因其能够拟合广告点击发生事件常被应用到广告点击率预测中。预测结果受多方面因素的影响,而传统的一维特征向量模型训练得出的预测模型有效性不佳。针对这一问题,结合广告点击事件发生过程中特征向量自身存在的层次化结构和多元化特征,构建逻辑回归模型的多维特征组合向量,并将其用于预测广告点击率的逻辑回归模型参数的计算。通过大规模的数据实验,验证了多维特征组合训练的预测模型参数更加有效可靠,且通过预测模型计算出更加可信的广告点击率。(本文来源于《通信技术》期刊2016年09期）
李科,游雄,杜琳[6]（2016）在《基于多特征组合与优化BoW模型的影像分类技术研究》一文中研究指出提出一种基于多特征组合与优化Bo W模型的影像地物分类新方法。提取影像的SIFT、GIST、颜色、Census和Gabor等多种类型特征,通过实验分析确定最佳特征组合。针对一般K-Means算法没有考虑各个特征值的权重,提出利用自动加权k-Means算法计算不同特征分量的权值,分别对SIFT、GIST、Gabor特征构建了基于权重的影像特征词汇表,采用基于Soft的词汇编码算法进行影像编码,使用SVM算法完成影像分类。通过实验表明方法能有效提高遥感影像分类准确性,并且具有较好的稳定性和鲁棒性。(本文来源于《系统仿真学报》期刊2016年06期）
周新跃[7]（2015）在《科技查新相关文献判断的文献学术特征组合模型》一文中研究指出为了揭示文献学术特征与判断科技查新项目的相关文献之间的关系,采用多元回归的方法,随机抽取48篇农学专业文献,由10位查新员分别给出文献与查新课题的学术特征相似性以及与查新课题的相关性评分,研究了学术文献的研究对象、研究内容、研究方法、研究结果等学术特征四要素对科技查新项目文献相关性的影响,发现研究对象、研究内容、研究方法与科技查新项目相关文献判断有较强的线性相关性,其中研究对象、研究内容呈极显着正相关,研究方法呈显着正相关,得出了一组多元回归模型,进行了模型检验和模型预测验证。(本文来源于《情报学报》期刊2015年10期）
周新跃[8]（2015）在《专家文献需求判断的文献学术特征组合模型》一文中研究指出为了揭示文献学术特征与专家文献需求判断之间的关系,随机抽取54篇农学专业文献,并选定10位农学专家和10位查新员,查新员给出文献与专家已有科学研究的学术特征相似性评分,专家给出文献在其在研或待研科学研究中的需求度评分,共计5 400组数据,采用基于多元回归的方法,研究了学术文献的研究对象、研究内容、研究方法、研究结果等学术特征四要素对专家在研或待研科学研究中文献需求的影响,发现叁种不同类型的相关性,得出了一组多元回归模型,进行了检验和分析。(本文来源于《情报杂志》期刊2015年08期）
刘研,张吉庆,张旭堂[9]（2015）在《权重自适应的多特征组合叁维工程模型检索算法》一文中研究指出针对叁维模型检索领域的"语义鸿沟"以及单特征检索能力有限的问题,提出一种基于用户相关反馈信息和多特征组合的叁维工程网格模型检索算法。通过联合多个特征算子增强算法检索能力,利用用户相关反馈信息指导非线性优化算法,动态分配各特征算子在相似度环节的权重,缩小模型高层语义与底层特征之间的差距,提高检索结果的语义相关性。采用工程标准模型库对算法进行验证,验证结果表明,该算法可有效提高叁维工程网格模型的检索准确度。(本文来源于《计算机工程与设计》期刊2015年05期）
周亚宁,赵红[10]（2014）在《复合型指挥军官胜任特征组合评价模型及实证研究》一文中研究指出针对复合型指挥军官胜任特征评价问题,建立了胜任特征评价指标体系,提出了一种新的组合评价模型:基于信息熵的思想,以每个指标上专家对评价对象的评价结果间差异程度确定此指标上该专家的分值权重,得出评价对象在该指标上的得分,提高评价对象在每个指标上得分的合理性;采用层次分析法确定评价指标权重,利用评价对象间的灰色关联系数来构建评价矩阵,提高评价结果的准确性.最后,给出一个实例证明了模型的可行性和有效性.(本文来源于《数学的实践与认识》期刊2014年17期）
多特征组合模型论文开题报告
（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：
为了提高船舶交通客流特征预测的时效性,设计基于大数据相关技术信息,提出将粗糙集和支持向量机预测机制结合的预测分析模型。首先运用粗糙集属性,对大数据下的船舶交通客流信息,进行数据出行约简,删除数据中冗余属性,继而建立支持向量机回归预测机制,将约简后的船舶交通数据样本,作为数据预处理器,通过对条件值进行筛选,并量化为一张二维表格,作为决策表,重新组合成为训练数据样本,输入SVM中,进行学习训练,实现交通客流特征的组合预测。仿真实验表明,该模型预测结果特征比真实性提高29%,有效时序性提高35%,可以证明该预测模型的预测结果时效性更强。
（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。
多特征组合模型论文参考文献
[1].孙安,于英香,罗永刚,孙逊.序列标注模型中不同输入特征组合的集成学习与直推学习方法研究——以CCKS-2018电子病历命名实体识别任务为例[J].情报杂志.2019
[2].李宇航.基于大数据的船舶交通客流特征组合预测模型分析[J].舰船科学技术.2019
[3].马雅从.基于特征组合的展示广告点击率预估模型研究[D].华南理工大学.2018
[4].周新跃.科技查新项目新颖性判断的文献学术特征组合模型[J].图书馆杂志.2018
[5].伊雯雯.基于多维特征组合逻辑回归模型的广告点击率预测[J].通信技术.2016
[6].李科,游雄,杜琳.基于多特征组合与优化BoW模型的影像分类技术研究[J].系统仿真学报.2016
[7].周新跃.科技查新相关文献判断的文献学术特征组合模型[J].情报学报.2015
[8].周新跃.专家文献需求判断的文献学术特征组合模型[J].情报杂志.2015
[9].刘研,张吉庆,张旭堂.权重自适应的多特征组合叁维工程模型检索算法[J].计算机工程与设计.2015
[10].周亚宁,赵红.复合型指挥军官胜任特征组合评价模型及实证研究[J].数学的实践与认识.2014