检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

面向朝鲜语命名实体识别的多粒度融合方法

中文信息学报 2023年第8期37卷 66-74页

作者：黄政豪金光洙高君龙延边大学工学院吉林延吉133002 延边大学朝汉文学院吉林延吉133002

该文从朝鲜语语法和构成特点出发,研究在音素、音节和词素三个不同粒度下朝鲜语实体的有效表征,提出一种基于多粒度融合的朝鲜语命名实体识别方法。该方法从不同粒度的联系和差异两方面进行多粒度特征的融合。首先,对朝鲜语的音素特征... 详细信息

该文从朝鲜语语法和构成特点出发,研究在音素、音节和词素三个不同粒度下朝鲜语实体的有效表征,提出一种基于多粒度融合的朝鲜语命名实体识别方法。该方法从不同粒度的联系和差异两方面进行多粒度特征的融合。首先,对朝鲜语的音素特征进行编码,并基于CNN架构构建将音素粒度与音节粒度融合的模型,获得音节向量。其次,使用fastText预训练模型对得到的音节向量进行编码,获取其顺序特征。同时,使用KLUE-BERT预训练模型对词素粒度特征进行建模,得到词素向量。最后,将之前得到的音节向量与词素向量进行融合,形成包含多粒度特征的文本表征,并利用基于Transformer的NER模型TENER完成朝鲜语命名实体识别。为了验证所提出方法的有效性,该文在Klpexpo2016和KLUE-NER语料库上进行了实验,结果表明所提出的不同粒度表征及融合方法能够很好地提取出朝鲜语的实体特征,取得了很好的效果,其中在Klpexpo2016语料库中的F_(1)值为89.45%,KLUE-NER语料库中的F_(1)值为88.82%。

关键词：朝鲜语命名实体识别多粒度融合预训练模型

在线全文

学校读者我要写书评

暂无评论

基于多粒度融合的图卷积网络会话情感分析

中文信息学报 2024年第5期38卷 136-145页

作者：王佳朱小飞唐顾黄贤英重庆理工大学计算机科学与工程学院重庆400054

会话情感分析指对一段会话中的每句话进行情感分类,目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响,而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题,该文提出了一个基于多粒度融合的图卷积神经网络... 详细信息

会话情感分析指对一段会话中的每句话进行情感分类,目前大部分会话情感分析模型不仅忽略了对话中内部信息的相互影响,而且没有考虑到日常对话中存在的隐性背景情感。为了有效解决这些问题,该文提出了一个基于多粒度融合的图卷积神经网络,其主要包括两个模块,即特征提取模块和星图增强的图学习模块。首先,特征提取模块使用预训练语言模型RoBERTa获取会话中语句之间粗粒度的上下文信息,同时结合句法依赖树获取词之间细粒度的句法信息,从而将多粒度特征信息引入到会话情感建模。然后,在星图增强的图学习模块中建模会话的背景情感信息和会话中不同说话者之间的交互信息,从而增强会话情感分析的准确性。实验结果表明,该文提出的模型与其他基线模型相比,其准确性以及度量指标F 1值在所有数据集上均有显著提升。

关键词：会话情感分析多粒度融合句法依赖树图卷积网络

基于多粒度融合和语言感知的人物交互检测方法

在线全文

学校读者我要写书评

暂无评论

基于多粒度融合和语言感知的人物交互检测方法

作者：陈庆丰广州大学

学位级别：硕士

随着人工智能技术的发展和实际应用的需要,人物交互(Human-Object Interaction,简写HOI)检测在计算机视觉领域中逐渐成为研究重点。该任务旨在检测图像中的人和物体,并推断人物之间的交互关系。当前主流的人物交互检测方法采用基于Trans... 详细信息

随着人工智能技术的发展和实际应用的需要,人物交互(Human-Object Interaction,简写HOI)检测在计算机视觉领域中逐渐成为研究重点。该任务旨在检测图像中的人和物体,并推断人物之间的交互关系。当前主流的人物交互检测方法采用基于Transformer的方法,通过解码器为人-物对查询提取图片上下文特征,从而进行交互检测。然而,这些方法所采用的查询特征粒度覆盖有限,导致缺乏充分的先验知识。另外,仅采用视觉特征作为上下文,对上下文特征的挖掘不够充分。针对上述的局限性,本文采用两阶段架构,对基于Transformer的人物交互检测方法进行研究,主要贡献如下:(1)针对当前基于Transformer的方法所采用的查询特征粒度覆盖有限,导致缺乏先验知识的问题,本文提出了一种基于多粒度查询的HOI检测方法。本文认为,具有多粒度特征的查询能够提供更丰富的人-物对线索,从而帮助解码器提取关键上下文特征。为此,设计了多粒度查询融合模块,构建具有实例、成对空间和三维姿态特征的多粒度查询,用于表示人-物对先验。此外,通过上下文提取模块为多粒度查询聚合关键的图片上下文特征,最终用于交互动作分类。在HICO-DET数据集上的实验结果表明,在Full、Rare、Non-Rare的集合上分别取得了33.72%、29.12%和35.09%的mAP,有效提升了人物交互检测模型的性能。(2)针对现有方法仅利用图片视觉特征作为上下文,导致对上下文线索挖掘不够充分的问题,本文提出了基于语言感知上下文学习的HOI检测方法。该方法通过引入额外的语言上下文信息,增强全局上下文的特征表示能力,从而帮助模型挖掘更深层的上下文信息。首先,引入语言上下文特征构建模块,为图片的局部区域构建语言上下文的特征表示。其次,设计了语言感知上下文编码器,采用合并注意力的方式使视觉上下文感知语言上下文特征,从而提供更丰富的上下文线索。定量结果表明,该方法在HICO-DET数据集的Rare集合上达到了30.18%mAP,有效提升了模型处理少样本交互的能力。

关键词：人物交互检测 Transformer 多粒度融合语言信息

基于多粒度多阶段特征学习的叶片分类和分级方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机与数字工程 2024年第7期52卷 2150-2154页

作者：陈亚杰刘松岳王潇南京理工大学计算机科学与工程学院南京210094 贵州中烟工业有限责任公司毕节卷烟厂毕节551799

论文提出一种新的植物叶片分类以及分级网络模型MGMS(multi-granularity and multi-stage network),该模型关注叶片的多粒度信息,并将多层级粒度特征进行有效融合。模型骨架由通用特征提取网络Resnet50构成,在不同阶段计算提取出特征,... 详细信息

论文提出一种新的植物叶片分类以及分级网络模型MGMS(multi-granularity and multi-stage network),该模型关注叶片的多粒度信息,并将多层级粒度特征进行有效融合。模型骨架由通用特征提取网络Resnet50构成,在不同阶段计算提取出特征,并将这些特征拼接,完成多粒度特征提取。此外,还使用了中心差分卷积模块,使模型可以关注图像中更具区分度的局部区域,提取出的特征更具区分性。在训练时采用多阶段训练方式,通过计算每一步提取的特征(包括拼接特征)得到的预测标签与真实标签的损失函数,实现由浅层特征到深层特征的学习,将triplet loss用于模型训练,通过减小anchor与正样本的欧式距离,增大anchor与负样本欧式距离优化目标。该方法在Flavia leaf和Swedish leaf两个公开的叶片分类数据集上分别达到99.3%和99.9%的分类准确率,其中在Swedish leaf数据集上达到了目前最高准确率,在Flavia leaf上与当前最高准确率的方法相当,且在构建的烟叶分级数据集上也达到目前最高的71.2%的分级准确率。

关键词：叶片分类多粒度融合多步骤训练中心差分卷积

基于多粒度融合的朝鲜语命名实体识别方法的研究与应用

在线全文

学校读者我要写书评

暂无评论

基于多粒度融合的朝鲜语命名实体识别方法的研究与应用

作者：高君龙延边大学

学位级别：硕士

命名实体识别是自然语言处理的重要研究课题之一,它不仅能够让人们快速获取文章中的关键信息,还能为众多下游任务提供基础性实体信息。中国朝鲜语信息处理的研究尚处于发展初期,而命名实体识别这一基础性任务的研究能为后续更为深入的... 详细信息

命名实体识别是自然语言处理的重要研究课题之一,它不仅能够让人们快速获取文章中的关键信息,还能为众多下游任务提供基础性实体信息。中国朝鲜语信息处理的研究尚处于发展初期,而命名实体识别这一基础性任务的研究能为后续更为深入的自然语言处理任务奠定基础,因此朝鲜语命名实体识别研究对朝鲜语信息处理具有重要的学术意义和研究价值。针对朝鲜语独有的语言特征,本学位论文采用朝鲜语多粒度融合表征和朝鲜语预训练语言模型结合的方法,提高朝鲜语命名实体识别的效果,并将命名实体识别模型应用于基于命名实体识别的朝鲜语全文检索原型系统中。首先,提出了一种朝鲜语语言处理单位的多粒度融合方法,以解决命名实体边界划定不准确的问题。朝鲜语是黏着语,词汇含有后缀词尾,加之语言处理单位具有不同粒度,导致命名实体的边界不清。本文在传统的向量拼接融合方式的基础上,对粒度间的差异与联系进行融合表示,并采用加权平均方式控制融合权重,最终达到粒度间深度融合的效果。其次,采用预训练语言模型提取文本特征,提高了朝鲜语文本表征能力。本文采用KLUE-BERT和fast Text预训练语言模型对朝鲜语文本不同粒度的语言单位进行嵌入表示,并采用基于Transformer的命名实体识别模型TENER（Transformer Encoder for Name Entity Recognition）进行特征提取。该方法通过对朝鲜语文本的形态素粒度进行嵌入提高了基础粒度层次的特征表征能力;同时对音节和音素粒度进行编码,提升了细粒度层次的文本表征能力,取得了较传统的RNN（Recurrent Neural Network）和CNN（Convolution Neural Network）更好的特征提取效果。最后,利用训练好的命名实体识别模型,设计并实现了基于实体识别的朝鲜语全文检索原型系统。在系统设计中,为衡量两个文本间的相关程度,本文提出了一种基于实体集合的文本表示方法,使用命名实体识别的结果构建文本表示,并通过计算两个实体集合间的Ochiai系数确定文本间的相关度,最后按相关度系数排序获得文本检索结果。实验结果表明,本文提出的朝鲜语命名实体识别方法与其他方法相比在性能上均有提升。其中在KLUE-NER数据集中,本文提出方法与基于BERT预训练模型的方法对比,F1值提升4.22%;在Klpexpo2016数据集中,与当前效果最好的基于Bi-LSTM（Bi-directional Long Short-Term Memory）+CRF（Conditional Random Fields）的方法对比,F1值提升3.18%。测试结果表明,所实现的朝鲜语全文检索系统具备了面向实体的良好检索性能。

关键词：朝鲜语命名实体识别多粒度融合预训练语言模型基于实体集合的文本表示

基于多粒度融合的图卷积网络会话情感分析研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多粒度融合的图卷积网络会话情感分析研究

作者：王佳重庆理工大学

学位级别：硕士

随着互联网时代的迅猛发展,人人都是自媒体时代的到来彻底改变了整个网络环境,因此互联网上带有情感倾向的会话文本数据暴增。这些海量的数据包含了大量与民生息息相关的信息,同时也具有极高的商业价值,如果能有效加以利用这些情感数据... 详细信息

随着互联网时代的迅猛发展,人人都是自媒体时代的到来彻底改变了整个网络环境,因此互联网上带有情感倾向的会话文本数据暴增。这些海量的数据包含了大量与民生息息相关的信息,同时也具有极高的商业价值,如果能有效加以利用这些情感数据,商家可以大幅度提升用户体验,相关机构也可以更有效的进行决策判断。情感的表达是日常人类交流的重要组成部分。对会话和顺序上下文的建模已经取得了很大的成功,在会话情绪识别(ERC)中发挥着至关重要的作用。然而,现有的方法要么只对两者中的一个进行建模,要么采用朴素的融合方法来获得最终的话语表示。本文针对以上提出的问题,对建模表征的丰富性、构图以及融合方式做出有效改进,主要的工作内容与创新点如下:(1)针对之前工作有关会话情感分析模型的缺点,不仅忽略了对话中内部信息的相互影响,而且没有考虑到日常对话中存在的隐性背景情感。本文提出了一个基于粗细粒度融合的双通道图卷积神经网络,其主要包括两个模块,即特征提取模块和星图增强的图学习模块。首先,特征提取模块使用预训练语言模型(6获取会话中语句之间粗粒度的上下文信息,同时结合句法依赖树获取词之间细粒度的句法信息,从而将多粒度特征信息引入到会话情感建模。然后,星图增强的图学习模块建模了会话的背景情感信息以及会话中不同说话者之间的交互信息,从而增强会话情感分析的准确性。实验结果表明,本文提出的模型与其他基线模型相比,其准确性以及度量指标值在所有数据集上均有显著提升。(2)针对之前工作中会话语句表征的隐含信息丰富度较贫瘠、主题情感信息的缺失以及特征融合方式的简单,本文提出了一个基于递归与图学习方式的融合的多主题神经网络,该模型主要分为三部分,分别是特征提取模块、双通道主题图学习模块以及递归融合模块。首先特征提取模块是多粒度融合的特征,包含了词之间交互信息以及语句之间的交互信息,双通道主题图学习模块利用主题模型LDA提取会话中的主题表征,并将其加入多主题星图中进行建模,同时并行构建有向无环图,最后将双通道图学习输出的表征输入递归融合模块Mix-LSTM中进行融合以便最后进行情感分类。实验结果表明,本文提出的模型比其他基线模型拥有更高效、更准确的分类性能,度量指标也比其他基线模型拥有更强的竞争力。

关键词：会话情感分析多粒度融合句法树图卷积神经网络主题模型

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多粒度生成对齐网络的行人重识别

华中科技大学学报（自然科学版） 2022年第4期50卷 64-70页

作者：种衍文章郴冯文强潘少明武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079

针对行人重识别(re-ID)中背景簇、遮挡、视点变化和姿态变化等因素的负面影响,提出了一种新的算法,称为多粒度融合生成对齐网络(MLFGAN).首先,提出身份(Identity,ID)不变的姿态标准化生成对抗网络(IIPN)来生成8种标准姿态的行人图像;然... 详细信息

针对行人重识别(re-ID)中背景簇、遮挡、视点变化和姿态变化等因素的负面影响,提出了一种新的算法,称为多粒度融合生成对齐网络(MLFGAN).首先,提出身份(Identity,ID)不变的姿态标准化生成对抗网络(IIPN)来生成8种标准姿态的行人图像;然后,通过全局对齐网络实现图像对齐,利用局部对齐网络进行精细化行人匹配,用多粒度特征融合来整合不同粒度的信息,防止小尺度鉴别性信息丢失.MLFGAN能够有效地提取有区分性和鲁棒性的行人嵌入表示,其有效性在Market1501和DukeMTMC-reID等广泛使用的数据集上得到了清楚的验证.

关键词：行人重识别姿态标准化多粒度融合对齐网络图像检索

在线全文

学校读者我要写书评

暂无评论

基于多粒度特征融合的叶片分类与分级方法

计算机科学 2023年第3期50卷 216-222页

作者：刘松岳王欢南京理工大学计算机科学与工程学院南京210094

长期以来,已有很多工作致力于研究植物叶片分类,虽然它们在公开数据集上表现较好,但实际应用并不理想,且难以应用于更复杂的问题,如叶片分级,即要求在对叶片进行分类的基础上,再对同一类的叶片进行更细级别(质量等级)的划分。为此,提出... 详细信息

长期以来,已有很多工作致力于研究植物叶片分类,虽然它们在公开数据集上表现较好,但实际应用并不理想,且难以应用于更复杂的问题,如叶片分级,即要求在对叶片进行分类的基础上,再对同一类的叶片进行更细级别(质量等级)的划分。为此,提出了一种新的植物叶片分类以及分级模型,该模型关注叶片的多粒度信息,并将粗粒度与细粒度进行有效融合。该模型包含粗粒度和细粒度两个分支,由粒度混合损失将两个分支联系起来,促使模型逐步学习由粗到细的粒度表征。采用了多步骤训练方式,每一步提取不同层级的特征,实现浅层特征与深层特征的融合。此外,还提出了几何通道注意力模块,该模块由空间变换和双线性注意力池化组成,使模型可以关注图像中更具区分度的局部区域,提取出的特征更具区分性。所提方法在Flavia leaf和Swedish leaf两个公开的叶片分类数据集上分别达到了99.8%和99.7%的分类准确率,且在所构建的烟叶分级数据集上达到了71.9%的分级准确率,均超过了目前最优的方法。

关键词：叶片分类叶片分级多粒度融合空间变换网络双线性注意力池化

在线全文

学校读者我要写书评

暂无评论

抽油机井参数优化的粒计算方法

西南石油大学学报（自然科学版） 2020年第6期42卷 115-123页

作者：张恒汝朱科霖徐媛媛谯英西南石油大学计算机科学学院四川成都610500

针对油气生产中的抽油机井参数优化问题,开展了一种基于抽油机井生产调控、维护措施数据的抽油机井生产参数优化的粒计算方法研究,研究中采用了粒计算、代价敏感粗糙集及推荐系统等机器学习方法。首先,利用决策树建立基于时间、空间及... 详细信息

针对油气生产中的抽油机井参数优化问题,开展了一种基于抽油机井生产调控、维护措施数据的抽油机井生产参数优化的粒计算方法研究,研究中采用了粒计算、代价敏感粗糙集及推荐系统等机器学习方法。首先,利用决策树建立基于时间、空间及业务层次等抽油机井数据的多粒度融合模型;然后,利用代价敏感粗糙集定义与抽油机井业务相适应的代价敏感评价模型;最后,在代价约束条件下,设计基于域感知因子分解机的抽油机井生产核心参数及维护措施推荐模型。在实际的油气生产数据上进行不同粒度的对比实验,可以发现由粗粒度到细粒度调整抽油机井的生产参数,其生产核心参数优化的推荐准确度先是逐渐增加,后逐渐下降。说明在参数优化中,需要进行合适的粒度选择。

关键词：抽油机井参数优化机器学习多粒度融合代价敏感粗糙集推荐系统