澳门城市公交站“视觉引导系统”设计研究

目的以澳门城市公交站点视觉引导系统(分流引导系统、整体视觉、站牌标识、公交路线图、辅助地图)为研究内容,分析存在的问题及设计改进方向。方法以“符号学”“认知心理学”“寻路行为”“客户旅程”为理论支撑,采用焦点小组、深度访谈和问卷调研,以定性、定量结合的方法分析城市公交视觉引导系统的设计优化;选取澳门代表性公交枢纽亚马喇前地车站分流图、连贯公路圆地形公交布局图、代表性公交环线,以及对开线行车路线图、景点导向辅助图进行设计优化。结果公交“视觉引导系统”是服务于人有效行动的综合空间信息系统,侧重由图像与符号所形成的具有连贯意味的“秩序设计”和信息“编码与解码设计”,强调整体性、层次性、渐进性、连贯性。意义在遵循五大设计原则的前提下,有效、合理的设计分流引导标识、线路、站点地图等,将建立乘客良好的视觉引导感知,提高出行效率。

基于Kano模型的振动式按摩服装设计研究

振动按摩智能服装作为新型理疗类服装,通过内置振动马达模拟中医捶击身体达到按摩肌肉缓解疲劳的作用,目前尚处于市场开发阶段。文章通过用户访谈、市场调研获取此类产品的设计现状及主要的功能诉求点,并通过Kano模型,对目前振动式按摩服装的多个功能改进诉求进行需求属性归类;并通过计算Better-Worse指数,结合象限分析,明确设计需求的满足与改进的优先级排序;并进一步通过设计实践,重点针对较为突出的功能诉求点进行问题的有效解决,以提高该类产品的需求满意度。

基于PGN-CL的文本摘要生成模型

基于Seq2Seq框架的生成式文本摘要模型取得了不错的研究进展,但此类模型大多存在未登录词、生成文本重复、曝光偏差问题。为此,本文提出基于对抗性扰动对比学习的指针生成器网络PGN-CL来建模文本摘要生成过程,该模型以指针生成器网络PGN为基本架构,解决摘要模型存在的未登录词和生成文本重复的问题;采用对抗性扰动对比学习作为一种新的模型训练方式来解决曝光偏差问题。在PGN模型的训练过程中,通过向目标序列添加扰动并建立对比损失函数来生成对抗性正负样本,使负样本与目标序列在嵌入空间相似但语义差别很大,正样本与目标序列在语义空间很相近但嵌入空间差距较大,这些区分困难的正负样本可以引导PGN模型在特征空间更好地学习到正负样本的区分特征,获得更准确的摘要表示。在LCSTS数据集上的实验结果表明,提出的模型在ROUGE评价指标上的表现优于对比基线,证明了融合指针生成器网络和对抗性扰动对比学习对摘要质量提升的有效性。

数字金融对中小企业融资的影响

中小企业融资困难一直是我国的热点问题,但随着近几年数字金融的发展,中小企业在融资过程中又迎来了新的契机。本文基于对现状进行分析的基础上,探析了中小企业融资困难成因及数字金融的特点,重点阐述了数字金融对中小企业融资的影响,旨在为我国中小企业在新的机遇下健康成长提供合理的建议和帮助。

混合多尺度卷积结合双层LSTM语音情感识别

针对深度学习算法在语音情感特征提取方面的不足以及识别准确率不高的问题,本文通过提取语音数据中有效的情感特征,并将特征进行多尺度拼接融合,构造语音情感特征,提高深度学习模型对特征的表现能力。传统递归神经网络无法解决语音情感识别长时依赖问题,本文采用双层LSTM模型来改进语音情感识别效果,提出一种混合多尺度卷积与双层LSTM模型相结合的模型。实验结果表明,在中科院自动化所汉语情感数据库(CASIA)和德国柏林情感公开数据集(Emo-DB)下,本文所提语音情感识别模型相较于其他情感识别模型在准确率方面有较大提高。

基于双向掩码注意力机制的多模态情感分析

【目的】为充分利用多模态信息,实现更有效的模态间交互,本文提出一种基于双向掩码注意力机制的多模态情感分析模型BMAM。【方法】该模型同时建模文本和语音两个模态,对于每个模态,掩码注意力通过引入另一个模态的信息来动态调整当前模态的注意力权值,从而获取更精准的模态表示。这些模态表示既保留了模态固有的独特性,又减少了与另一个模态的差异性,帮助模型实现最佳的情感决策。【结果】在通用的多模态情感分析数据集IEMOCAP上对模型进行评估验证,模型的情感分析加权准确率达到74.1%,相较于现有主流方法有明显提升。【局限】模型对数据集中占比较大的Neutral、Anger这两个情感类别有较高的识别效果,而对数据集中占比较小的Happy、Sad情感类别的识别性能较差。【结论】本文模型能有效利用多模态间的相互作用以合理调整模态自身情感元素间的注意力权重,实现更有效的情感决策。