一种结合标签分类和语义查询扩展的文本素材推荐方法

在各类规划、调研报告的编制过程中,编制人员往往需要根据拟定的目录或标题去收集、阅读大量文本素材,分类整理后再甄选使用,不仅工作量大而且质量无法得到保障。为此,在数字政府规划文档编制领域中提出了一种结合标签分类和语义查询扩展的文本素材推荐方法,从信息检索的角度出发,将目录中的各级标题视为查询语句,将参阅的文本素材作为目标文档,从而进行文本素材检索与推荐。该方法基于差分进化算法,将基于词向量平均的文本素材推荐方法、基于语义查询扩展的文本素材推荐方法和基于标签分类的文本素材推荐方法有机结合,弥补了传统的文本素材推荐方法的不足,实现了通过目录结构的标题检索以段落为粒度的文本素材。在10个数据集上的实验验证结果表明,该方法的性能提升显著,能够大大减少人工素材选择的工作量,同时减少素材分类的工作量,降低文档编制的难度。

采用注意力机制和奖励塑造的深度强化学习视觉目标导航方法

视觉目标导航作为视觉导航的重要任务之一,要求智能体在给定导航目标的前提下,仅仅依靠视觉图像信息探索环境并导航到目标跟前,并提出任务结束动作。现有视觉目标导航方法基于端到端的深度强化学习框架来解决视觉目标导航问题,仍存在导航成功率和效率不高的不足。为了进一步提升视觉目标导航方法下智能体的导航性能,提出了一种基于注意力机制和奖励塑造的深度强化学习视觉目标导航方法。针对强化学习中状态构建不佳和奖励稀疏问题,利用缩放点积注意力机制引入当前时间步和上一时间步的状态之间的关系,用于构建更佳的当前时间步的状态,利用奖励塑造自动化设置奖励空间,解决奖励稀疏问题。在AI2-THOR数据集上进行实验,并使用成功率和路径长度加权成功率评估方法性能。实验结果显示,相较于以往的方法,所提出的方法在成功率上提高了7%,在路径长度加权成功率上提高了20%。该方法使用注意力机制和奖励塑造构建了更好的状态和奖励空间,能够进一步提升智能体的导航成功率和效率。