新版首页
教学科研
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Α１狙芯客ü怨虐褰萄б熘械奈蚀鸹方诰傩衅饰�，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：：：刘少波副校长主持召开数字金融实验室建设事情聚会