我们根据修辞结构理论(RST)提出了一种有效的句子级语篇分析的神经框架。我们的框架包括一个话语分段器,用于识别文本中的基本话语单元(EDU),以及一个以低调的方式构建话语树的话语分析器。分段器和解析器都基于PointerNetworks并在线性时间内运行。我们的分段器得出$ F_1 $得分为95.4,我们的解析器在累计标签(关系)指标上获得了$ F_1 $ 81.7分,超过以前的方法,并且在两项任务上都达成了人类协议(98.3和83.0 $) F_1 $)。
translated by 谷歌翻译
如今,Twitter已经成为用户生成的关于事件的信息的重要来源。很多时候,人们会在他们的推文中报告事件之间的因果关系。在这些事件中自动检测因果关系信息可能在预测事件分析中发挥重要作用。现有方法包括基于规则和数据驱动的监督方法。然而,由于社交媒体短文本(如推文)的高度非结构化性质和语法错误,仅使用语言规则正确识别事件因果关系具有挑战性。而且,由于不充分的背景信息,很难开发用于推文中的事件因果检测的数据驱动监督方法。本文提出了一种基于背景知识的新型事件上下文扩展技术。为了证明我们提出的事件上下文单词扩展技术的有效性,我们开发了一种基于前馈神经网络的方法来检测来自推文的事件因果关系。大量实验证明了我们的方法的优越性。
translated by 谷歌翻译
糖尿病视网膜病变(DR)是一种不断恶化的疾病,是视力障碍和失明的主要原因之一。不同等级之间的细微区别以及许多重要小特征的存在使得识别任务非常具有挑战性。另外,本发明的视网膜病变检测方法是非常费力且耗时的任务,其严重依赖于医生的技能。自动检测糖尿病性视网膜病变对于解决这些问题至关重要。糖尿病视网膜病变的早期检测对于诊断也是非常重要的,可以通过适当的治疗来预防失明。在本文中,我们开发了一种新的深度卷积神经网络,通过识别所有微动脉瘤(MA),DR的最初迹象,以及正确地将标签分配给视网膜眼底图像进行早期检测,视网膜眼底图像被分为五个类别。我们在最大的公众可用的Kagglediabetic视网膜病变数据集上测试了我们的网络,并获得了0.851二次加权kappa评分和0.844 AUC评分,从而实现了最先进的严重性评分。在早期检测中,我们已经实现了98%的灵敏度和94%以上的特异性,这证明了我们提出的方法的有效性。我们提出的架构同时在计算时间和空间方面非常简单和有效。
translated by 谷歌翻译
孟加拉国手语(BdSL)是孟加拉国听力障碍者常用的交流媒介。开发一个实时系统来从图像中检测这些标志是一个巨大的挑战。在本文中,我们介绍了一种从实时执行的图像中检测BdSL的技术。我们的方法基于卷积神经网络的物体检测技术,以检测图像区域中的符号的存在并识别其类别。为此,我们采用了基于区域的快速卷积网络方法,并开发了一个数据集$ - $ BdSLImset $ - $来训练我们的系统。先前关于检测BdSL的研究工作通常依赖于外部设备,而大多数其他基于视觉的技术不能实时有效地执行。然而,Ourapproach没有这种限制,实验结果证明所提出的方法能够实时识别和识别孟加拉国的迹象。
translated by 谷歌翻译
由于下一代测序技术(NGS)的发展导致的可用蛋白质序列量与不同功能方面的蛋白质序列注释等有用信息的慢速和廉价实验提取之间的差距越来越大,这可以通过采用自动功能预测来减少(法新社)接近。 GeneOntology(GO)包含超过40,000个类别,定义了蛋白质功能名称生物过程(BP),细胞成分(CC),分子功能(MF)的三个方面。单个蛋白质的多种功能,使自动功能预测成为一种大规模,多类,多标签的任务。在本文中,我们提出了DEEPGONET,一种新颖的级联卷积和重复神经网络,用于预测GO本体的顶级层次结构。该网络将蛋白质的一级序列作为输入,这使得它比其他流行的基于深度学习的多模态输入方法更有用,使得它们不太适用于只有一级序列可用的蛋白质。我们网络中不同蛋白质功能的所有预测都是通过相同的体系结构进行的,这是一种更好的泛化的证明,这种证据表明,只有通过对智人进行训练才能在各种生物体上表现出良好的性能,这可以通过利用层次关系有效地探索大量输出空间来实现。 GO课程。我们模型的优化性能使其成为直接实验蛋白质功能探索的潜在途径,通过大大消除可能的路线,这是通过仅探索模型中建议的路线来完成的。与文献中的其他架构相比,我们提出的模型在计算时间和空间方面也非常简单和有效。
translated by 谷歌翻译