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

融合韵律特征的诗歌生成模型

计算机工程与应用 2024年第13期60卷 162-170页

作者：吴林东何向真万福成西北民族大学语言与文化计算教育部重点实验室兰州730030

诗歌生成中的韵律规范和主题一致性一直以来都是自然语言生成领域的研究热点。为提升诗歌生成中的韵律规范,提出了基于Transformer结合韵律特征的诗歌生成模型(Transformer and prosodic features poetry generation model,TPPG)。根据... 详细信息

诗歌生成中的韵律规范和主题一致性一直以来都是自然语言生成领域的研究热点。为提升诗歌生成中的韵律规范,提出了基于Transformer结合韵律特征的诗歌生成模型(Transformer and prosodic features poetry generation model,TPPG)。根据韵律特征建立平仄韵律词库和平声韵脚词库,在Transformer编码器中引入平仄韵律编码,模型训练过程中可以捕获更多平仄韵律特征的信息,学习到多种诗歌韵律;最终根据建立的平声韵脚词库规范诗歌生成韵脚,运用极大后验概率对于候选的诗歌选择当前赋有韵律特征规范的最优诗句,整体提升诗歌规范性和流畅性。实验结果表明TPPG模型生成的诗歌能够很好地符合韵律,在人工评价和机器评价中均有提高。

关键词：诗歌生成韵律库韵律编码韵律特征

在线全文

学校读者我要写书评

暂无评论

基于跨模态联合编码的多模态情感分析

计算机工程与应用 2024年第18期60卷 208-216页

作者：孙斌江涛贾莉崔伊明西北民族大学语言与文化计算教育部重点实验室兰州730030 南京信息工程大学计算机学院南京210044

如何提高多模态融合特征的有效性是多模态情感分析领域的热点问题之一。以往的研究大多通过设计复杂的融合策略获取融合特征表示,这些方法往往忽略了模态间复杂的关联关系,同时存在着由于模态信息不一致所导致的融合特征有效性降低问题... 详细信息

如何提高多模态融合特征的有效性是多模态情感分析领域的热点问题之一。以往的研究大多通过设计复杂的融合策略获取融合特征表示,这些方法往往忽略了模态间复杂的关联关系,同时存在着由于模态信息不一致所导致的融合特征有效性降低问题,进而影响模型的性能。针对上述问题,提出一种基于跨模态联合编码的多模态情感分析模型。在特征提取方面,利用预训练模型BERT和Facet模型分别提取文本和视觉特征,经过一维卷积操作获取相同维度的单模态特征表示。特征融合方面,利用跨模态注意力模块获得两模态的联合特征,使用联合特征分别调整单模态特征的权重,将两者拼接后获得多模态融合特征,最终输入到全连接层中进行情感识别。在公开数据集CMU-MOSI上的广泛实验表明,该模型的情感分析结果优于大多数现有先进的多模态情感分析方法,能够有效提升情感分析的性能。

关键词：多模态情感分析联合编码跨模态注意力多模态融合

基于AHP与熵值法构建的火灾预测组合灰色模型

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第5期47卷 118-126页

作者：郑子温那孜古力·斯拉木王婧蓉王旭东西北民族大学语言与文化计算教育部重点实验室甘肃兰州730030

火灾预测可以帮助消防部门更好地采取预防措施和制定灭火方案,减轻火灾损失。如何通过人工智能方法预测火灾数量、判断火灾发展趋势成为一项重要的研究课题。对城市消防火灾数量进行预测时,文中首先对原始数据序列进行加权滑动均值处理... 详细信息

火灾预测可以帮助消防部门更好地采取预防措施和制定灭火方案,减轻火灾损失。如何通过人工智能方法预测火灾数量、判断火灾发展趋势成为一项重要的研究课题。对城市消防火灾数量进行预测时,文中首先对原始数据序列进行加权滑动均值处理;其次建立了基于背景值优化的灰色模型和无偏优化灰色模型;而后引入了结合等维新息理论的马尔可夫模型,对经过改进的灰色模型进行预测值的残差修正;最后建立了基于层次分析法(AHP)与熵值法的主客观赋权组合模型。针对北京市2012—2019年火灾事故数据进行建模,并对后续两年的火灾发生数量进行数据预测与模型对比验证分析,根据预测结果判断未来火灾数据的变化趋势。实验结果显示,优化模型可以提高预测精度,其中结合AHP与熵值法的组合模型预测精度达到了相对残差最小为0.6105%,后验方差比为0.323%。实验结果证明,优化后的模型可以更好地应用于对火灾事故的预测。

关键词：火灾事故预测 GM(1,1) 马尔可夫模型等维新息理论层次分析法熵值法组合模型预测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于图对比学习的跨领域文献信息表示研究

情报科学 2024年

作者：魏斌万福成敬容西北民族大学语言与文化计算教育部重点实验室甘肃省高等学校区域循环经济重点实验室西北民族大学甘肃省民族语言文化智能信息处理重点实验室

[目的/意义]针对基于内容的推荐方法无法充分考虑论文之间或论文与作者之间复杂的隐含关系的问题，充分考虑学术知识图蕴含的各种关系以及基于内容方法，将两种方法结合，互补各自的不足之处提出一种基于图对比学习的跨领域文献信息表... 详细信息

[目的/意义]针对基于内容的推荐方法无法充分考虑论文之间或论文与作者之间复杂的隐含关系的问题，充分考虑学术知识图蕴含的各种关系以及基于内容方法，将两种方法结合，互补各自的不足之处提出一种基于图对比学习的跨领域文献信息表示方法（Graph Contrast Learning for Information Representation Method，GCLIRM），旨在解决文献信息表示方法单一，信息表示不充分等问题。[方法/过程]该方法同时考虑异构图和同构图，异构图网络首先使用重启随机游走算法得到节点序列，采用Skip-gram算法初始化节点表示，设计两级注意力机制用于节点重要性和元路径重要性建模，以学习异构图节点表示；其次，由预训练大模型ERNIE3.0建模同构图节点特征，再通过GAT聚合邻居信息并使用自编码器进行无监督训练；最后设计对比学习策略学习最终的节点特征，即文献信息表示。[结果/结论]本文GCLIRM方法在学科分类和期刊分类两个下游任务中F1值分别比次优解提升了5.31%和2.49%，表示本文方法对跨领域文献信息的表示能力有较大的提升。[创新/局限]本文设计了一个提取文献信息表示的混合方法，克服了单一方法表示不充分的难题，并且具有一定的可行性和准确性，为后续相关研究提供借鉴思路。

关键词：学术文本信息挖掘图神经网络图对比学习自然语言处理

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合多情感的语音驱动虚拟说话人生成方法

计算机应用研究 2024年第8期41卷 2546-2553页

作者：李帅帅何向真张跃洲王嘉欣西北民族大学语言与文化计算教育部重点实验室兰州730030 西北民族大学甘肃省民族语言文化智能信息处理重点实验室兰州730030

虚拟说话人生成是人工智能领域的一个重要研究方向,旨在通过计算机生成具有逼真语音的虚拟说话人。然而,现有方法往往忽视情绪表达、生成的人脸图像面部细节缺乏真实感,限制了虚拟说话人的表现能力和交互性。为解决这一问题,提出一种基... 详细信息

虚拟说话人生成是人工智能领域的一个重要研究方向,旨在通过计算机生成具有逼真语音的虚拟说话人。然而,现有方法往往忽视情绪表达、生成的人脸图像面部细节缺乏真实感,限制了虚拟说话人的表现能力和交互性。为解决这一问题,提出一种基于Transformer的生成对抗网络(generative adversarial network,GAN)方法,用于生成具有不同情绪的虚拟说话人(GANLTB)。该方法基于GAN架构,生成器采用Transformer模型处理语音和图像特征,结合情绪条件信息和潜在空间向量,生成带有指定情绪的语音和图像。判别器用于评估生成结果的真实性,并提供梯度信号指导生成器训练。通过引入双三次插值法,进一步提升了虚拟说话人生成的图像质量,使得虚拟说话人的面部细节更加清晰可见,表情更加自然和生动。使用情感多样性数据集(CREMA-D)验证了该方法,通过主观评估和客观指标,评估了生成的语音和图像的情绪表达能力和质量。实验结果表明,该方法能够生成具有多样化和逼真情绪表达的虚拟说话人。相比目前其他先进方法,所提方法在流畅度和逼真度等细节上都更加清晰,带来了更好的真实感。

关键词：虚拟说话人生成对抗网络 Transformer 多情感表达语音驱动

融合自监督和多层交叉注意力的多模态情感分析网络

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第8期44卷 2387-2392页

作者：薛凯鹏徐涛廖春节西北民族大学中国民族信息技术研究院兰州730030 语言与文化计算教育部重点实验室(西北民族大学) 兰州730030

针对多模态情感分析任务中模态内信息不完整、模态间交互能力差和难以训练的问题,将视觉语言预训练(VLP)模型应用于多模态情感分析领域,提出一种融合自监督和多层交叉注意力的多模态情感分析网络(MSSM)。通过自监督学习强化视觉编码器模... 详细信息

针对多模态情感分析任务中模态内信息不完整、模态间交互能力差和难以训练的问题,将视觉语言预训练(VLP)模型应用于多模态情感分析领域,提出一种融合自监督和多层交叉注意力的多模态情感分析网络(MSSM)。通过自监督学习强化视觉编码器模块,并加入多层交叉注意力以更好地建模文本和视觉特征,使模态内部信息更丰富完整,同时使模态间的信息交互更充分。此外,通过具有感知意识的快速、内存效率高的精确注意力FlashAttention解决Transformer中注意力计算高复杂度的问题。实验结果表明,与目前主流的基于对比文本-图像对的模型(CLIP)相比,MSSM在处理后的MVSA-S数据集上的准确率提高3.6个百分点,在MVSA-M数据集上的准确率提高2.2个百分点,验证所提网络能在降低运算成本的同时有效提高多模态信息融合的完整性。

关键词：多模态情感分析自监督注意力机制视觉语言预训练模型

基于GraphSAGE网络的藏文短文本分类研究

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2024年第9期38卷 58-65页

作者：敬容杨逸民万福成国旗于洪志马宁西北民族大学语言与文化计算教育部重点实验室甘肃兰州730030 西北民族大学甘肃省民族语言智能处理重点实验室甘肃兰州730030 大连市气象局大连市气象信息中心辽宁大连116000

文本分类是自然语言处理领域的重要研究方向,由于藏文数据的稀缺性、语言学特征抽取的复杂性、篇章结构的多样性等因素导致藏文文本分类任务进展缓慢。因此,该文以图神经作为基础模型进行改进。首先,在“音节-音节”“音节-文档”建模... 详细信息

文本分类是自然语言处理领域的重要研究方向,由于藏文数据的稀缺性、语言学特征抽取的复杂性、篇章结构的多样性等因素导致藏文文本分类任务进展缓慢。因此,该文以图神经作为基础模型进行改进。首先,在“音节-音节”“音节-文档”建模的基础上,融合文档特征,采用二元分类模型动态网络构建“文档-文档”边,以充分挖掘短文本的全局特征,增加滑动窗口,减少模型的计算复杂度并寻找最优窗口取值。其次,针对藏文短文本的音节稀疏性,首次引入GraphSAGE作为基础模型,并探究不同聚合方式在藏文短文本分类上的性能差异。最后,为捕获节点间关系的异质性,对邻居节点进行特征加权再平均池化以增强模型的特征提取能力。在TNCC标题文本数据集上,该文模型的分类准确率达到了62.50%,与传统GCN、原始GraphSAGE和预训练语言模型CINO相比,该方法在分类准确率上分别提高了2.56%、1%和2.4%。

关键词：图神经网络藏文文本分类 TNCC数据集

在线全文

学校读者我要写书评

暂无评论

AI 绘画研究综述

计算机科学与探索 2024年第6期18卷 1404-1420页

作者：张泽宇王铁君郭晓然龙智磊徐魁西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030 西北民族大学数学与计算机科学学院兰州730030

AI绘画,作为计算机视觉领域的热门研究方向,正通过自然语言处理技术、图文预训练大模型,以及新兴的扩散模型,不断拓展其在艺术创作、影视媒体、工业设计、艺术教育等领域的应用边界。将以图生图和以文生图两类AI绘画任务作为主线,深入... 详细信息

AI绘画,作为计算机视觉领域的热门研究方向,正通过自然语言处理技术、图文预训练大模型,以及新兴的扩散模型,不断拓展其在艺术创作、影视媒体、工业设计、艺术教育等领域的应用边界。将以图生图和以文生图两类AI绘画任务作为主线,深入分析了代表性模型及其关键技术和方法。对于以图生图方式,从基于自编码器和基于生成式对抗网络两类模型分别探讨了各自的发展脉络、生成原理以及优缺点,并总结了它们在公共数据集上的效果;对于以文生图方式,归纳了基于扩散模型等三类模型的结构区别,以及在三个数据集上各类模型的生成效果,同时指出利用扩散模型的以文生图方式已成为当下的热点,并预示着未来图像生成方式的多样化发展。对目前主流的AI绘画平台从使用方式、生成速度等角度进行了对比总结。最后在总结AI绘画在技术层面和社会层面所面临的问题与争议的基础上,展望了AI绘画与人类艺术家的互补发展、绘画过程互动性增强以及新职业和产业的出现等未来趋势。

关键词： AI绘画以图生图以文生图图像生成人工智能生成内容(AIGC)

融合特征位置编码和误差修正的唐卡图像风格迁移模型

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年

作者：时新月胡文瑾乔浪康文东西北民族大学中国民族信息技术研究院教育部重点实验室西北民族大学数学与计算机科学学院

唐卡是藏族文化中一种独具特色的艺术风格，通过对唐卡图像进行二次创作能够帮助人们了解唐卡风格特征，促进文化传承与保护. 针对目前唐卡图像风格迁移技术生成新图像中，生成图像存在伪影、局部图像模糊和细节信息处理不到位等问题... 详细信息

唐卡是藏族文化中一种独具特色的艺术风格，通过对唐卡图像进行二次创作能够帮助人们了解唐卡风格特征，促进文化传承与保护. 针对目前唐卡图像风格迁移技术生成新图像中，生成图像存在伪影、局部图像模糊和细节信息处理不到位等问题，提出一种融合特征位置编码和误差修正的唐卡风格迁移模型FPC-EI. 利用二维相对位置编码获取内容序列与风格序列之间的对应位置信息，实现图像特征之间的对齐和匹配; 坐标注意力机制模块强化利用二维相对位置编码增强编码器对于唐卡以及内容图像纹理细节信息的捕获能力; 密集深度反投影网络使用不断上下采样层的模块进行误差修正，指导模型提高生成图像质量. 在自建的唐卡数据集和任意图像数据集上进行模型训练的实验结果表明，与AdaIN， ArtFlow， AdaAttN等风格迁移模型相比， FPC-EI的SSIM指标平均提升32%， LPIPS和MSE指标平均下降7.3%和2.7%，可以有效保留内容结构、特征融合和图像局部细节方面特征.

关键词：唐卡图像风格迁移位置编码注意力机制深度反投影网络