基于TRIP平台的全文检索技术研究

针对各行各业出现的大量的各种电子格式的文件,本文介绍了一个能有效地存储和管理海量非结构化数据的全文检索系统平台TRIP,对TRIP的存储结构和索引体系进行了详细地阐述,比较了和同类产品的区别,给出了TRIP的应用范围。

基于预训练模型的食品评论信息分析方法

针对传统的食品评论观点文本数据较少,缺乏大量数据的支撑,且传统预训练模型抽取效果不够理想的一些情况,采用3种食品评论观点文本数据集进行实验,使用预训练模型BERT,结合领域词库进行信息抽取。模型不仅充分利用了大量食品评论数据集,而且还解决传统词嵌入一词多义的问题,为评论信息的精准分析提供了有力支撑。此外,还引入情感计算模型对抽取结果做正负面判别,能够更好帮助商家判断食品的好坏,从而改进产品。实验结果表明,本模型同其他几个模型相比,取得了良好效果。

基于自适应特征融合与转换的小样本图像分类

小样本学习中数据采样不断变化的特点使得模型特征提取不充分,同时,模型对提取的特征也难以进行相应操作;数据分布的变化也影响着小样本模型的性能。针对这些问题,提出一种基于自适应加权多路分支小样本图像分类模型。多路特征处理模块对输入数据进行特征提取和融合,以便充分利用少量数据;自适应的支路权重使得特征信号随特征进行相应的放缩;特征转换模块对多变的数据分布进行适应性变化,以便更好地聚合同类,提高分类效果。通过使用Caltech-UCSD Birds-200-2011数据集和mini-ImageNet数据集,对所提模型在不同场景下进行分类效果测试。实验结果表明,所提模型在5-Way 1-Shot和5-Way 5-Shot任务中的准确率分别比baseline相比分别提升9.81、8.16个百分点和9.16、9.21个百分点,验证了模型的有效性。