基于语义分类的文物图像标注研究

由于图像数据中普遍存在的“语义鸿沟”问题,传统的基于内容的图像检索技术对于数字图书馆中的图像检索往往力不从心。而图像标注能有效地弥补语义的缺失。文中分析了图像语义标注的现状以及存在的问题,提出了基于语义分类的文物语义标注方法。算法首先通过构建一个Bayes语义分类器对待标注图像进行语义分类,进而通过在语义类内部建立基于统计的标注模型,实现了图像的语义标注。在针对文物图像进行标注的实验中,该方法获得了较好的标注准确率和效率。

图像场景语义分类研究进展综述

场景语义分类是图像理解领域中一个重要的研究方向,涉及到信号处理、模式识别、计算机视觉和认知科学等多学科交叉。场景分类任务中,图像内容描述和分类判决是两大关键问题。图像内容描述力图得到关于场景图像最具判别意义的表示,而分类判决则对训练样本集的图像内容描述学习、训练,并建模得到某类场景图像区别于其他场景类图像的计算模型。目前,很多场景分类方法针对图像内容描述和图像分类进行了深入的研究,对室外人造场景、室外自然场景和室内场景图像进行分类,取得了较好的分类效果。然而,场景图像自身内容上的变化和差异,既会造成同一场景类内对象的差异性,同时也造成不同场景类之间图像的视觉相似性,特别是对于不同的室内场景类。因此,场景语义分类任务十分困难,是计算机视觉和认知心理学领域中一个颇具挑战性的难题。室外图像场景分类研究相对成熟,而室内图像场景分类研究却进展缓慢。本文综述了图像场景语义分类的研究进展,并分析了场景分类算法的性能,指出场景语义分类研究中存在的问题。

基于线条方向直方图的图像情感语义分类

图像语义分类在基于语义的图像检索中具有重要意义,但是图像的情感语义描述和分类方面的研究在近年来才刚刚起步。该文利用图像的低层特征实现了图像高层情感语义(“静感”和“动感”)的分类。图像的线条与情感之间存在明显的联系,选用线条方向直方图作为图像特征,利用概率神经网络(PNN)完成语义分类,实验表明该方法具有较好的效果。

基于语义分类的比较句识别与比较要素抽取研究

比较是人们常用的评估不同事物优劣、异同的表达方式,利用机器识别比较句并进一步抽取比较要素是语言信息处理领域一项新颖又有实用价值的课题。该文依据比较句与比较要素之间是一种"你中有我,我中有你"的共生关系,将比较句识别与比较要素抽取两个任务合二为一完成;根据词意分类,构建由领域词典、情感词典、标记词典、普通词典构成的词典系统;根据汉语比较句句义分类,构建比较句识别与比较要素抽取规则库。以第四届中文倾向性评测(COAE2012)发布的测试语料为实验对象,该系统取得了较好的实验(评测)结果。

基于语义分类和描述框架的网络攻击知识抽取研究及其应用

随着计算机技术的迅猛发展,自然语言处理成为计算机科学领域与人工智能领域中的一个重要方向,且文本知识获取(knowledge acquisition from text,KAT)是人工智能的重要研究内容。当前对于文本研究,大多采用关键字以及机器学习方法,准确率并不高。该文提出了一种基于语义文法的中文网络攻击事件知识获取方法。首先介绍参考FrameNet构建的语义分类和描述框架,它在现代汉语基本句模分类的基础上进行了扩充和改进。其次,重点介绍了攻击文本中最常见的遭受类语义类的设计和形成过程。然后将语义分类和描述框架应用在"网络安全"领域,形成"网络攻击语义类",并介绍在建立"网络攻击语义类"时遇到的难题,包括文法的设计中对事元的确定、复合句的处理、"的是"结构句型的分析设计、谓词设计等。最后,使用国家某安全部门提供的真实数据进行网络攻击知识抽取,实验表明该方法具有较高的准确率。

基于角色标注的中文POI名称语义分类方法

针对现有中文兴趣点POI(points of interest)分类的不足,分析POI名称的结构特征,利用中文文本处理、语义相似度计算方法,提出一种基于角色标注的中文名称语义分类方法,提高POI分类的精度。

MPI集群环境下图像语义分类算法的并行化设计

为缩小图像的底层特征相似和高层语义相关之间的差距,常利用良好拟合能力的BP神经网络进行图像的多种语义分类.针对单BP神经网络在处理大规模图像数据和复杂分类模式中存在的学习时间长和分类效率低的问题,提出并建立了图像语义分类的多BP神经网络并行集成模型.在MPI集群环境下采用主从对等混合并行算法、对图像样本数据按类预分组等方法实现训练与分类,有效地完成BP神经网络图像多语义分类.实验结果取得了较高的查全率和准确率,趋近线性的加速比验证了该并行算法的正确性和高效性.

谓语的语义分类和语义组合模式

吕叔湘先生指出:“动词是句子的中心、核心、重心,别的成分都跟它挂钩,被它吸住。”“动词的性质决定它可以跟哪种名词联系,不能跟哪种名词联系。反过来,这种那种联系的可能与不可能又帮助我们给动词分类。” 我们按照吕先生的这个想法,给现代汉语的“谓词”进行语义分类。本文所讨论的“谓词”(Verbal)包括动词和“可谓形容词”,不包括“非谓形容词”或“区别词”。本文中的“体词”(Nominal)包括名词、代名词、量词。 在及物性语义组合关系中,谓词所担任的角色叫做“中枢角色”,体词或以体词为中心的短语(包括体词短语和介词短语)所担任的角色叫做“外围角色”。

基于张量神经网络的音频多语义分类方法

音频特征向量已广泛应用于音频分类的研究,该表示形式虽能有效体现音频的固有特性,但无法表示音频信息多语义特性及各语义间的相关性。提出了基于张量统一内容定位(TUCL)的音频语义表征方式,将音频语义描述表示为三阶张量,并构建多语义张量空间。在此空间中,张量语义离散度(TSD)能有效聚集具有相同语义的音频资源,通过计算各音频资源的TSD来完成对音频资源的分类,并构建了RBF张量神经网络(RBFTNN)来自适应学习分类模型。实验结果表明,在多语义分类的情况下,TSD算法的分类性能明显优于当前典型的高斯混合模型(GMM)算法;通过与支持向量机(SVM)学习模型相比可知,基于TSD的RBFTNN模型分类学习的准确率明显优于基于TSD的SVM模型。

《现代汉语语义分类词典》(TMC)研制中若干问题的思考

《现代汉语语义分类词典》继承了《同义词词林》概念分类的传统,以反映一个社会的生活全貌及认识观念的概念关系为目的,收录了8万余条现代汉语通用性较高的语文词语,建构出了一个五级语义分类体系,里面包括9个一级类,62个二级类,518个三级类,2 076个四级类,12 613个五级类。所建构的义类关系,注重上位语义层对下位语义层有较强控制力,下位语义层对上位语义层的义域能全面覆盖,左右语义类具有互补对应的功能。

基于相容粒度空间模型的自适应图像语义分类方法

针对图像底层特征和高层语义之间存在的语义鸿沟问题，运用相容粒度空间模型对图像语义分类进行了研究，提出一种自适应的图像语义分类方法，为解决此问题探索出了一种有效途径。该方法将图像集建模为基于原始特征的相容粒度空间；在此空间中，通过引入相容参数和构造距离函数来定义相容关系，从而通过调整相容参数可有效控制对象邻域粒的大小，最终可直接处理图像的实数型特征而无需进行离散化等预处理；此外，通过引入相容度的方法实现对相容参数的自适应优化，从而自动调整邻域粒的大小，使得构造的分类器几乎不需要手工设置参数即可自动适应于各种不同类型的图像集，并获得比同类算法更好的分类准确率。实验结果验证了这种方法的有效性和可行性。

现代藏语动词的句法语义分类及相关语法句式

本文突破了传统藏文文法关于动词分类的简单描述,建立起以句法语义为纲要的动词类别和相关句法规则。本文区分了藏语12大类动词,各类动词都有不同论元数量和不同句法性质的要求。因此,动词的句法语义类别划分能够较细致和全面反映各种类型藏语句式的语法结构框架,包括句子的语序、词格标记和句法助词。动词的句法语义分类结果可以直接应用于藏语语法信息词典的构建,是藏语计算处理的重要基础。

图像语义分类的树结构SVM方法

为了减小低层视觉特征和高层语义之间存在的"语义鸿沟",提出一种采用树结构支持向量机实现图像底层视觉特征到高层语义的映射方法。利用二叉树结构构建支持向量机(SVM),在SVM核函数空间利用距离作为树节点处的分类度量。二叉树的结构可以大大减小语义分类的时间,而将距离较大的语义类先分离开保证了语义分类具有较高的准确率。实验证明,该方法在保证准确率的同时可以在较大程度上缩短分类检索时间。

一个用语义分类实现的图象检索框架

基于语义分类的图像检索是根据图像的逻辑特征和抽象属性进行检索的技术,文章提出了基于语义的图像检索概念模型,在此基础上给出了一个用语义分类实现的的图像检索框架,重点讨论了图像语义分类、图像特征提取、检索匹配等问题。

双音节“V+N”结构的语义分类研究

双音节“Ｖ＋Ｎ”结构的语义分类研究〔韩〕韩容洙０．１双音节“Ｖ＋Ｎ”结构是指“罢工、见面、毕业”一类由一个动词（或动词性语素）加上一个名词（或名词性语素）组成的语言单位。这样的结构究竟是双音节动宾式合成词还是双音节的动宾短语，语法学界至今尚无定论。刘...

基于语义分类的同行评议专家科学范式识别方法实证研究

根据关键词语义间的关系对关键词进行分类,并基于Fast Unfolding社区发现算法构建语义分类的知识网络,识别具有语义特征的图情学科领域的科学范式。在语义分类的基础上,进一步构建基于专家—关键词的知识网络,识别同行评议专家的科学范式,同时比较分析了不同科学共同体使用科学概念的差异性。通过对图情学科领域专家及其科研文献数据的实证分析,证明了这种语义分类的科学范式识别方法的可行性和有效性。

俄语双主格句的语义分类研究

俄语中的双主格句属于能产型双部句,在言语实践中有广泛的应用。它的句法形式看起来很简单,但语义却较为复杂。在交际中应用双主格句可使话语更加简洁、生动。双主格句按照语义可分为7大类型:称名句、存在句、分类句、评价句、等值句、社会关系句和关系句。

图像情感语义分类及检索研究

提高情感语义映射和检索的准确率是图像检索的研究主题。在情感语义映射模型中,将图像的形状七阶矩和颜色矩作为模糊神经网络的输入,对网络的权值和阈值进行二进制编码,作为遗传算法的染色体串,通过遗传算法寻优得到情感语义映射效率最高的个体编码。在检索模型中,用遗传算法对图像匹配算法进行优化,直接找到最适合匹配的子模板坐标。相比传统的序贯相似检测算法,模型大大提高了图像匹配的效率。通过查全率与查准率的对比结果可知,经遗传算法优化后,图像情感映射和检索的性能均得到了明显提升。

基于多层次概念格的图像场景语义分类方法

现有理论与方法在处理图像场景语义分类时,由于缺少对图像语义关系的深入挖掘,过分依赖视觉词典数量等原因,导致场景分类精度不高.本文提出一种基于多层次概念格的图像场景语义分类方法,将特征集转换成图像视觉形式背景,利用概念格的层次分类模型,通过层次映射关系,分别构建图像与视觉词集属性概念格,在此基础上通过动态调整阈值参数,获取分类精度概念外延阈值,得到具有较高分类精度的场景语义视觉模型.实验结果表明,该模型在精确度指标上有所提高,文中方法切实有效.

长沙话中缺乏语义分类功能的量词“只”

通常表示个体事物的量词具有严格的语义分类功能,但是长沙话里的"只"缺乏这种分类功能,它是一个使用范围极广的泛量词。本文力图对长沙话里"只"的使用法范围作一个全面的描述。