李敏
- 作品数：3 被引量：15H指数：2
- 供职机构：新疆大学软件学院更多>>
- 发文基金：国家自然科学基金新疆维吾尔自治区自然科学基金更多>>
- 相关领域：自动化与计算机技术医药卫生更多>>
- 基于深度学习的维吾尔语名词短语指代消解被引量：7
- 2017年
- 针对维吾尔语名词短语指代现象,提出了一种利用栈式自编码深度学习算法进行基于语义特征的指代消解方法.通过对维吾尔语名词短语指称性的研究,提取出利于消解任务的13项特征.为提高特征对文本语义的表达,在特征集中引入富含词汇语义及上下文位置关系的Word embedding.利用深度学习机制无监督的提取隐含的深层语义特征,训练Softmax分类器进而完成指代消解任务.该方法在维吾尔语指代消解任务中的准确率为74.5%,召回率为70.6%,F值为72.4%.实验结果证明,深度学习模型较浅层的支持向量机更合适于本文的指代消解任务,对Word embedding特征项的引入,有效地提高了指代消解模型的性能.
- 李敏禹龙田生伟吐尔根.依布拉音赵建国
- 关键词：指代消解WORDEMBEDDING维吾尔语
- 基于深度学习的维吾尔语语句情感倾向分析被引量：7
- 2016年
- 提出一种基于栈式自编码神经网络(SAE)的维吾尔语语句情感倾向分析方法。利用深度学习思想,将高维的维吾尔语语句空间特征向量变换到新的低维特征空间,学习并提取维吾尔语语句中隐含的语义特征。为提高特征对文本语义的表达,将富含词汇语义及上下文位置关系的句向量特征与情感特征组合进行融合,训练栈式自编码器,通过引入softmax层完成维吾尔语语句的情感分类。通过实验优选模型隐层层数、句向量维度,同传统的情感分类方法进行比较,实验结果表明,该方法更适用于维吾尔语语句情感倾向分析,微平均值为90.4%,宏平均值为90.5%。
- 李敏禹龙田生伟吐尔根.依布拉音艾斯卡尔.艾木都拉
- 关键词：维吾尔语情感分析
- CNN-OVA-SVM模型在结直肠腺癌多分化诊断中的价值被引量：1
- 2021年
- 目的探究CNN-OVA-SVM模型应用于多分化类型的结直肠腺癌鉴别诊断中的实用价值。方法本研究选取了2012年1月-2016年3月间新疆医科大学附属肿瘤医院病理科收治的高、中、低分化类型腺癌患者各20例进行回顾性研究。提出了用于多分化类型结直肠腺癌鉴别诊断的CNN-OVA-SVM模型,该模型使用预先训练的ResNet50卷积神经网络对患者的结直肠组织切片图像进行特征提取,使用子分类器为支持向量机(Support Vector Machine,SVM)的一对多集成分类器对结直肠癌进行诊断,并与主流的分类算法K近邻(K-nearest Neighbor,KNN)、随机森林(Random Forests,RF)等进行比较。通过绘制受试者工作特征曲线(Receiver Operating Characteristic,ROC)和混淆矩阵,计算模型的精确率、召回率、F1分数、准确率等指标,对模型的准确率和性能进行直观的评估。结果本研究所提出的CNN-OVA-SVM模型对3种分化类型结直肠腺癌的总体分类准确率为86.11%,AUC值均超过0.88。结论CNN-OVA-SVM模型对于不同分化类型的结直肠腺癌的鉴别具有一定的临床价值。
- 曹燕珍周盼运赵兴岳李敏
- 关键词：人工智能
