分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-12-13 合作期刊: 《计算机应用研究》
摘要： AlphaGo的成功使得深度学习方法在计算机博弈领域得到广泛关注。而基于深度学习模型的有监督训练依赖于大量高质量标定数据，但众多小众计算机博弈比赛棋种，存在缺少人类对局记录作为训练样本的问题,因此在使用深度学习模型前如何生成一个合理标定的局面数据集是值得研究探讨的问题。针对点格棋博弈问题，提出了一种数据哈希去重以及局面标定方法。根据不同阶段回合局面数据的特点，通过Alpha-Beta完全搜索、回溯标定、并行化MCTS算法标定以及对称扩展技巧，收集并标定不同回合数的点格棋局面样本。实验共获得了包含15000000个带标定点格棋局面样本的数据集，为基于深度学习模型的点格祺有监督训练提供了保障。此外，所提方法也为其他棋种训练数据的获取提供有价值的借鉴。
分类： 图书馆学、情报学 >> 情报学 提交时间： 2017-10-11 合作期刊: 《数据分析与知识发现》
摘要： 【目的】利用互动问答社区——百度知道的知识共享、更新及时的优势, 弥补维护大规模地理隶属关系资源库开销大的不足, 并通过百度知道自动补全缺陷地理位置实体。【方法】对缺陷地理位置实体转化为所属区域问题, 并通过百度知道进行检索; 根据检索结果提取特征, 计算该地理位置实体属于各个区域的得分, 并构建缺陷地理位置实体的所属区域特征向量; 利用规则对缺陷地理位置实体进行完整化处理, 实现地理位置实体完整性表示。【结果】在完整化微博城市投诉文本中的缺陷地理位置实体时, 该方法的综合精确率达到92.51%。【局限】对零地理位置实体无法完整表示。【结论】该方法对缺陷地理位置实体完整化是有效的、可行的。
点击量
点击量
下载量
评论
