知识图谱技术研究综述

随着互联网、云计算、物联网和大数据等的蓬勃发展,以及在经济时代,人们对智能技术需求的提升,更需要深入挖掘知识内容,提供智能服务。如何有序组织和表示这些有价值的知识,并对其进行一定的知识挖掘和智能决策,为了实现这些需求,知识图谱技术应运而生,提供了一种从海量文本和图像数据中抽取知识的手段,目标是实现人与计算机的无障碍交流,使计算机更加智能化、自动化和人性化。本文主要介绍了知识图谱的分类、关键技术以及应用等内容,旨在综述现状,为相关研究和课题的开展提供参考,进一步推进中文知识图谱研究的持续发展。

基于群智感知的多媒体数据库数据模型研究

随着物联网技术的深入研究和发展,人们对透彻感知的数据需求越来越强烈,因而出现了一种新的数据组织形式—群智感知.基于群智感知的多媒体数据主要通过不同的传感器输入到计算机,原始感知的数据量大、媒体之间的差异性大,且媒体的时空性强,这些媒体数据如果不加以解释和说明,在此基础上做的数据检索、更新等一系列操作中很难被充分利用,从而影响群智感知能力.

大数据的存储管理技术

云计算技术、物联网等技术快速发展,多样化已经成为数据信息的一项显著特点,如图片、音频、视频信息等。为充分发挥信息应用价值,有效存储已经成为人们关注的热点。为了有效应对现实世界中复杂多样性的大数据处理需求,需要针对不同的大数据应用特征,从多个角度、多个层次对大数据进行存储和管理。本文主要分析了大数据面临的存储管理问题以及简述了存储管理关键技术。

计算机自适应认知诊断测验选题策略综述

计算机自适应认知诊断测验(computerized adaptive testing with cognitive diagnosis,CD-CAT)是计算机自适应测验(computerized adaptive testing,CAT)的改进和拓展,不仅关注对被试者整体测试评估的能力,还关注被试者潜在的知识结构状态和技能。CD-CAT同CAT的选题策略一样,在整个测验过程中起着至关重要的作用。

基于多任务学习的网络谣言检测研究

当今,社交媒体已经成为获取信息的主要来源。通过社交媒体平台,谣言以前所未有的速度传播,传播给全球受众,并使用户和社会面临巨大风险,尽早发现并阻止谣言是极其重要的。基于深度学习的方法在谣言检测中表现出很好的性能。但是,很多研究方法都是单任务学习,而且缺少外部知识对内容的检查,因此从知识增强角度出发,将谣言检测和主题领域分类这两个相关的任务结合起来进行多任务学习,以补充微博帖子的语义表示,提升谣言检测性能。

基于co-attention的微博谣言检测研究

由于即时通信的广泛使用,微博平台越来越受欢迎。然而微博上的谣言信息传播已经成为也越来越重要的问题,它对国家、社交网络、社会和个人的危害严重,目前大多数谣言研究工作主要是对文本的深层语义进行谣言检测,但很少对源文本和评论之间的关联性和文本中的表情符号给予高度重视。因此,本文使用co-attention机制来捕捉源文本与评论之间的关联,并引入表情符号的情感增强进行谣言检测。实验结果表明,该方法在一定程度上能够提升检测性能。