新版首页
会计学院青年西席陈平博士在JCR Q1区期刊《Computational Intelligence and Neuroscience》揭晓学术论文
克日，，我�；；峒蒲г何飨缕皆谕馕钠诳禖omputational Intelligence and Neuroscience》揭晓题为“Intelligent Question Answering System by Deep ConvolutionalNeural Network in Finance and Economics Teaching”的论文。。。该期刊被SCIE和EI同时收录，，为JCR-Q1区期刊。。。陈平先生为本文的第一作者，，bti体育署名为第一效果单位。。。这是会计学院博士课程班学员取得的代表性阶段性效果，，是2018年bti体育校级学术类科研项目“治剖析计信息系统构建研究”（项目编号：：2018HSXS01）的阶段性效果。。。
深度学习的快速开展，，拓展了自然语言处理手艺的应用。。。教育相关领域，，问答(Q&A)系统颇受各大企业及高校的追捧青睐，，并投入了大宗的精神和资源举行研发。。。Q&A系统凭证所涉及的领域分为两类。。。一是基于使命的Q&A，，另一个是开放的Q&A。。。 开放Q&A应用普遍；；基于使命Q&A系统聚焦于特定领域，，如旅游、 、、助理、 、、天气预告、 、、阛阓客服机械人等。。�；；诙韵钟械奈蚀鹣低澈吞柑旎等吮４嬉欢ǖ娜狈�。。。本研究通过对古板教学要领中的问答环节举行剖析，，优化现有问答机的弱点和缺乏，，连系深度学习算法中的LSTM神经网络和CNN，，建设Q&A的神经网络模子，，并引入GRU举行优化，，将注重机制和深度学习手艺应用于财经教学领域，，提出了通过注重机制优化的LSTM-CNN智能问答。。。推荐算法与古板Q&A模子算法的比照测试效果批注，，LSTM-CNN算法坚持了LSTM算法准时间顺序排列信息的能力。。。通过连系CNN算法，，可以更深入地提取句子的语言特征，，更准确地从句子中捕获语义特征信息，，在处理更重大的句子时能够坚持更好的性能。。。同时，，连系BANet的引入，，可以获取已往和未来信息，，使算法能够更适外地连系上下文语境检索语义特征，，使模子的有用性获得了很大的提升。。。解决了财经学生在日常学习中使用问答机回覆问题时的难题和需求。。。提高优化了财经类教学问答的效果，，为相关领域的研究提供了参考。。。
（文/会计学院 责任编辑/党晋云）
上一条：：经济商业学院举行第十二届天下大学生电子商务“立异、 、、创意及创业”挑战赛古板赛道校赛
下一条：：团旗飘飘迎百年，，青春自愿续华章——校团委组织开展校园自愿清扫活动