f1-score | BriefGPT - AI 论文速递

关键词f1-score

搜索结果 - 31

基于差分比较的实用盲成员推理攻击
该文提出了一种新的成员推断 (Membership Inference) 攻击方法 BlindMI，该方法通过差分比较探测目标模型并提取成员语义，并且在某些数据集上相对于现有的成员推断攻击算法能够提高 F1-score 约 20%。
PDF3 years ago
ACL基于 SVM 的越南语分词：减少歧义和捕获后缀
使用支持向量机分类器的越南语单词分割方法通过采用音节的 n-gram、音节类型的 n-gram 和在词典中检查相邻音节的连接等方面，继承了以前的工作特征，提出了两种新的特征提取方法，一种是减少重叠歧义，另一种是增加预测包含后缀的未知单词的能
PDF4 years ago
DialBERT：一种用于对话分离的分层预训练模型
提出了一种整合局部和全局语义的新模型 Dialogue BERT (DialBERT) 来解决在同一通道中同时发生多个对话的混淆问题，其中使用 BERT 在 utterance 级别捕捉每个 utterance 对信息的匹配信息，并使用 B
PDF4 years ago
SemEval-2014 任务 9: Twitter 中的情感分析
该论文描述了 SemEval-2014 中的 Twitter 情感分析任务，介绍了新的测试集并报道了最高 F1 分数达到 86.63（子任务 A）和 70.96（子任务 B）的结果。
PDF5 years ago
将知识图谱嵌入 BERT 进行文档分类
本文介绍了利用深度学习模型 BERT，结合元数据和知识图谱嵌入编码，实现书籍分类的方法；相较于标准 BERT 方法，在 8 个标签和 343 个标签的分类任务中，分别取得了 87.20 和 64.70 的 F1 得分。
PDF5 years ago
基于交互式方差注意力的时序评论在线剧透检测
本研究提出了一种新的基于相似性网络和交互式方差注意的方法，对评论进行分类为剧透或非剧透，并在基线 F1 分数上平均比现有最先进方法高 11.2％。
PDF5 years ago
ACLSemEval-2019 任务 7：使用 ELMo 卷积对付谣言
本文描述我们提交给 SemEval-2019 任务 7：RumorEval 的成果，我们参与了两个子任务，用基于 CNN 的神经网络和 ELMo 嵌入的辅助特征来实现子任务 A 的交互类型分类，并用 MLP 神经网络来预测给定谣言的真实性来
PDF5 years ago
半监督卷积神经网络用于人类活动识别
本文介绍两种基于卷积神经网络的半监督学习方法，用于加强原有的分类器对未标记的数据的识别，通过实验，表明我们的 CNN 在活动识别领域中的性能优于有监督学习方法和传统的半监督学习方法，Fm 得分甚至可以提高 18%。
PDF6 years ago
深度循环神经网络进行音频场景分类
本文使用深度循环神经网络，将音频场景转换为一系列高级标签树嵌入特征向量序列，将其分割为多个子序列，并对序列进行标签分类，最终获得全局预测标签。在 LITIS Rouen 数据集上，实现了 97.7% 的 F1 分数，与该数据集上最佳结果相比
PDF7 years ago
面向口语理解的顺序卷积神经网络进行槽位填充
本研究探讨了卷积神经网络 (CNNs) 在口语理解的时隙填充任务中的应用，提出了一种新颖的 CNN 体系结构，用于序列标注，该体系结构考虑了先前的上下文词的顺序信息和对当前单词及其周围上下文的特殊关注，并结合了来自过去和未来词的信息进行分类
PDF8 years ago
ACL社交网络上 “智能” 垃圾邮件的检测：主题模型方法
本研究提出了一种基于 LDA 潜在狄利克雷分布的新型垃圾邮件分类方法，提取了主题分布模式的本地和全局信息，优于其他最先进的方法，能够有效识别社交网络上类似合法用户的智能垃圾邮件。
PDF8 years ago