吴锡坤
- 作品数：3 被引量：5H指数：1
- 供职机构：中国矿业大学（北京）机电与信息工程学院更多>>
- 发文基金：中央高校基本科研业务费专项资金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于社交网络中非平衡文本聚类方法的研究
- 2016年
- 社交网络中的文本种类数量存在极大的差异,不同领域的话题分布极不平衡,而在社交网络文本数据中进行文本聚类对经济生活具有重要意义。该文针对文本聚类展开研究,结合非平衡文本的特点、文本特征的提取、聚类常用的算法进行实验。
- 吴锡坤刘洋
- 关键词：社交网络聚类方法
- 基于转移学习的中文命名实体识别被引量：4
- 2018年
- 中文命名实体识别在多个重要领域有广泛的运用,提出一种基于转移学习的算法进行中文命名实体识别,旨在提高识别的准确率和召回率。基于转移学习算法的中心思想是开始以一些简单的结论应用于问题,然后在每个步骤应用转换,选择出每次转换的最优结论再次应用于问题,当选择的转换在足够的空间内不再修改数据时算法停止。提出算法的规则模板和约束文件的获取方法,形成一个完整的用于中文命名实体识别的模型,并利用该模型进行实验,获得了较好的结果。
- 周法国吴锡坤孙泰孙镇
- 关键词：命名实体识别准确率召回率
- 基于无标度网络的大学生社交网络模型被引量：1
- 2016年
- 在BA(Barab Albert)无标度网络模型的基础上,考虑大学生社交网络初始状态的特点,加入网络初始状态规模大小影响因素m,可以随机变化并不是初始为1。传统的BA模型在其增长过程中择优选择是基于全局的,而现实中这样对于大学生社交来说基于全局择优成本太高而不现实,所以我们在改进后的BA模型中采用局部寻优算法,这样能大大接近实际的效果。最后通过数值仿真实验验证了该模型依然具备无标度网络特性,利用它可以更真实地模拟与刻画大学生社交网络及其特征,这对分析大学生社交和成长具有重要的教育和指导意义。
- 闫子魁吴锡坤罗征
- 关键词：无标度网络大学生社交网络BA模型
