多模态藏语情感分类的研究

在藏文自然语言处理领域内,目前情感分类的研究只有单一的文本和图像模态,采用方法也是传统的机器学习分类算法。然而评论数据一般是多模态的。本文选用基于神经网络的藏文情感分类(FCNNMSCTT)、情感表情图像分类(CNNMEITSA)、融合(FUSIONMODEL)三种模型对多模态藏语情感分类数据进行情感分类。最终实验结果是,FCNNMSCTT准确率达到了56%,CNNMEITSA准确率达到了88.75%。Fusion model准确率达到了96.98%。

基于产生式逆向推理中业格的句法规则

为了更好地传承传统文化,使人们能够通过计算机学习藏语传统语法,文章以藏语八格中的业格为研究内容,在藏语传统语法的基础上结合产生式逆向推理规则,推出藏语语法中业格的句法规则。设计了一种具有逆向推理机制的推理方式,通过查看句子中的受动格和动作主格、业格助词的位置的变化而能推出句子的句型,识别出是否属于业格的句子,并证明该规则的有效性和实用性。