ku111net议时间：2024年5月15日（周三）14:30
参ku111net人员：信息科学与工程学院（人工智能学院）科研团队教师，欢迎广大师生参加。
ku111net议地点：墨子楼中兴ku111net议室
报告1：一种自然语言数据增强策略驱动的化学反应实体识别Transformer
报告人：孙晓飞
内容简介：在化学反应预测领域中，传统的基于规则的命名实体识别算法不适用于大规模化学反应的提取。报告基于迁移学习和Transformer的深度神经网络模型，提出一种名为DACRER的新方法，利用文本挖掘技术从化学文献中提取大量信息。此外，采用了数据增强策略来解决数据不足问题。该模型在两个数据集上进行了评估，表明在识别和处理化学文本方面表现出色。DACRER模型能够用于从非结构化数据中提取结构化和实用的化学反应，并为化学家提供更高效的合成信息。
报告2：直觉模糊集多属性决策TOPSIS方法
报告人：张猛
内容简介：直觉模糊集能够比较灵活、方便地描述不确定性,尤其是描述决策者判断过程中的犹豫程度，较好的解决了模糊多属性决策难以描述、刻画管理决策问题中的“非此非彼”性的问题。报告提出将直觉模糊集理论与TOPSIS方法相结合的多属性决策方法，在保留TOPSIS方法优点的同时，能够更准确地处理直觉模糊数，从而提高决策的准确性。
科技处
信息科学与工程学院（人工智能学院）
2024年5月14日
检索
鲁公安网备37040002002001号