请选择 目标期刊

基于改进Apriori算法的问题模板无监督抽取方法 下载:34 浏览:397

柯文俊1,2,3 高金华1 沈华伟1,2 刘悦1 程学旗4 《中文研究》 2020年3期

摘要:
在面向限定领域的事实型问答系统中,基于模板匹配的问答是一种有效且稳定的方法。然而,现有的问题模板构建方法通常是在有监督场景下进行的,导致其严重依赖于人工标注数据,同时领域间可扩展性较差。因此,该文提出了一种改进Apriori算法的无监督模板抽取方法。对于限定领域问题样本,加入短语有序特征来挖掘频繁项集,将频繁项作为问题模板的框架词;同时,使用TF-IDF来度量模板的信息量,去除信息量小的模板;特别地,为了获取项数较长的模板,为Apriori算法引入了支持度自适应更新机制;最终,借助命名实体识别进行槽位识别,并组合框架词和槽,得到问题模板。实验表明,该方法可以在限定领域的问答数据集上有效挖掘问题模板,并取得了比基线模型更好的抽取效果。

MaskAE:基于无监督的短文本情感迁移方法 下载:35 浏览:328

胡盛伟 李弼程 林孔杰 熊尧 《当代中文学刊》 2020年3期

摘要:
基于无监督的文本情感迁移技术是通过迁移原句子情感并且保持句子内容不变,生成带有其他情感的新句子的技术。这项技术在两个方面富有挑战性:第一,没有平行语料;第二,文本属性纠缠问题,即当改变句子情感时,通常难以保证句子内容不变。该文提出了一个基于掩码自编码器(mask-autoEncoder,MaskAE)的文本情感迁移方法。首先,利用情感词典来匹配句子中的情感词并用"mask"符号标记它;之后,利用MaskAE模型生成被标记的情感词,保持其他词不变,从而缓解属性纠缠问题。在模型训练过程中,利用情感判别器去控制生成句子的情感,从而解决没有平行语料问题。实验结果表明,该文模型简单有效,与当前先进模型比较,在自动评价指标和人工评价指标上均有提升,生成的句子在语法和语义正确性上的表现也更好。

基于哈希方法的跨模态检索研究进展 下载:63 浏览:413

樊花 陈华辉 《数据与科学》 2018年6期

摘要:
目前大规模数据集的近邻检索引起广泛关注。早期的近邻检索多为同构数据的检索,如以图像检索图像,文本检索文本。但是随着多媒体的发展,信息表达的多样性,数据跨模态检索成为当前研究热点。跨模态检索指在文档有多种模态描述时可从一个模态检索到另一个模态,如以文本检索图像,以图像检索文本等。由于哈希方法的存储开销低和快速有效的特征,广泛应用在跨模态检索中。本文从有监督、无监督和半监督三方面介绍了主要的基于哈希跨模态检索方法,分析了其优缺点,并进行了实验比较。

基于伪成对标签的深度无监督哈希学习 下载:62 浏览:355

林计文 刘华文 《人工智能研究》 2020年6期

摘要:
无监督的深度哈希学习方法由于缺少相似性监督信息,难以获取高质量的哈希编码.因此,文中提出端到端的基于伪成对标签的深度无监督哈希学习模型.首先对由预训练的深度卷积神经网络得到的图像特征进行统计分析,用于构造数据的语义相似性标签.再进行基于成对标签的有监督哈希学习.在两个常用的图像数据集CIFAR-10、NUS-WIDE上的实验表明,经文中方法得到的哈希编码在图像检索上的性能较优.

基于局部最优分析的纺织品瑕疵检测方法 下载:97 浏览:499

刘威1 常兴治2 梁久祯1 贾靓1 顾程熙1 《人工智能研究》 2018年2期

摘要:
针对复杂的含有周期变化图案的纺织品瑕疵检测,提出改进Markov随机场模型的无监督纺织品瑕疵检测方法.应用随机场实现周期性纺织品图像的瑕疵检测,利用Markov邻域特性,综合判断瑕疵区域.结合周期图像分割,确定Markov随机场最小图像块计算单元,降低算法的计算复杂度.在随机场势函数定义中,综合考虑相邻图像块的差异特性,结合Markov随机场的全局性判断瑕疵点的位置.引入模糊相似关系矩阵概念,求解改进后的模型参数,使所有图像块的局部能量达到最优.实验表明,文中方法对样本的查全率较高.

基于GEE的咸宁市土地利用分类评价 下载:264 浏览:2790

刘振宇 《土壤研究》 2023年7期

摘要:
图像分类是遥感的一个基本目标。遥感图像分类是利用遥感图像进行地物分类的过程。遥感图像分类的目标是将遥感图像中的像素分为不同的地物类别,常用的分类类别包括建筑物、道路、水体、森林、农田等。在Google Earth Engine中进行图像分类可以通过编写JavaScript或Python代码来实现。实现湖北省咸宁市土地利用分类,并对比两种方法分类结果。土地利用分类的意义在于为土地管理、环境保护、资源管理和决策支持提供重要的数据和信息,促进可持续发展和有效利用土地资源。GEE中实现土地利用分类的方法包括有监督分类和无监督分类,本文使用两种方法对咸宁市土地利用进行分类,以巩固学习的相关课程。
[1/1]
在线客服::点击联系客服
联系电话::400-188-5008
客服邮箱::service@ccnpub.com
投诉举报::feedback@ccnpub.com
人工客服

工作时间(9:00-18:00)
官方公众号

科技成果·全球共享