视觉-语言多模态下的多任务人脸年龄估计

现有的年龄估计方法仅基于人脸图像,无法充分利用图像背后的语言背景信息。此外,这些方法通常专注于单一年龄估计任务的优化,忽略了相近任务带来的提高模型性能的信息。针对上述问题,提出一种基于视觉-语言多模态的多任务人脸年龄估计方法。该方法利用提示文本信息为年龄估计提供更丰富、更准确的图像理解和先验知识。同时,引入多任务学习方法,利用任务间的互补性将年龄分类任务与序数回归任务相结合,以获得更好的性能。最后,为了获得可靠的预测结果,研究了加权平均法和任务回归法两种多任务结果融合方法,并对加权平均法的权重系数进行了消融实验,以期找到一组合适的权重系数。结果表明:与其他先进方法相比,所提方法在UTK-FACE数据集上的平均绝对误差(MAE)降低了7.32%,在MorphⅡ数据集上的MAE降低了1.20%,累积分数(CS)提升了0.11%。

电商客服对话提示信息的双任务操作注意分配研究

目的 为研究双任务操作下,不同类型对话提示信息对电商客服注意分配的影响.方法 选取视觉呈现位置和三种常见提示音为自变量,设计了三种实验情景:只呈现两种位置差异的视觉信息、只呈现三种不同的听觉信息、同时呈现视听觉组合信息,对被试人员操作过程中的反应时及正确率进行了分析.结果 电商客服人员在同时接收视听觉对话提示信息时,存在注意分配,视觉上更偏向左侧,听觉上更偏向于机械提示音,当位于左侧的视觉对话提示信息与钢琴音同时出现时,电商客服的操作表现优于其他组合的视听觉对话提示信息.结论 研究对话提示信息双任务操作的注意分配,为电商企业提升客服注意力培训、设计对话提示信息具有一定指导意义.

读后续写任务提示条件对写作表现和评分信度的影响

读后续写任务将语言理解和产出紧密结合,通过互动协同促进语言习得,具有积极的促学效果。然而,当读后续写应用于大规模考试,则需要考虑任务设计,在保障考试信效度和发挥积极促学作用之间寻求最佳平衡。本研究聚焦读后续写任务中的提示条件,采用实证研究方法考察不同提示条件如何影响学生的写作表现和评分员的评分信度。结果发现,适度的内容提示能够减轻学习者的认知负担,有助于他们创造内容,产出整体质量更高的续作;同时,适度的内容提示也能帮助评分员更一致地把握内容维度的评分尺度,保障评分信度。研究发现对读后续写命题和评分具有重要的启示意义。

基于完形填空的方面级情感四元组预测

方面情感四元组预测(ASQP)任务旨在从给定的评论语句中提取所有方面词以及相应的方面类别、观点表达和情感极性,有助于全面了解用户对产品或服务不同方面的评价情况.现有情感四元组预测方法主要存在以下局限:(1)判别式模型没有利用prompt捕获情感元素之间的语义关系;(2)生成式模型要么简单地将情感元素类型标签组合形成prompt,缺乏理解标签类型涵义的语境;要么将离散模板作为解码器的输入,而编码器则无法捕获到模板中情感元素之间的语义关系.为了缓解这些问题,本文首先基于完形填空思想研制离散和连续2类prompt,提供理解4个情感元素类型涵义的语境,帮助模型更好地捕获情感元素之间的语义关系;然后,基于设计的prompt,提出C-ASQP框架,包含判别式模型DC-ASQP和生成式模型GC-ASQP.在DC-ASQP中,采用2阶段策略,先预测4个情感元素中2个较为容易的情感元素,再将预测结果嵌入到设计的prompt中,帮助模型理解情感元素类型的涵义,从而有效预测另外2个情感元素.在GC-ASQP中,将设计的prompt作为编码器的输入,借助预训练模型的学习模式,充分利用预训练模型蕴含的知识提升四元组的生成效果.实验结果显示,DC-ASQP模型在4个常用数据集上的F1值相比同类判别式最优模型分别提高4.70%、6.48%、6.97%和2.60%,GC-ASQP模型的F1值比最优基准模型分别提高0.86%、1.67%、0.15%和1.02%,验证了将ASQP建模为完形填空任务的有效性,所设计的2类prompt以及C-ASQP框架是有效的.

基于多任务联合训练的属性感知情感分类模型

在大数据时代,信息包含大量值得被挖掘和分析的价值,对情感进行自动分类的需求成为了自然语言处理的热门领域之一.由于大型预训练语言模型参数较多,针对下游任务进行微调时需要大量有标注语料以及时间对模型进行训练.本文基于多任务联合训练的思想,提出了一种多任务属性感知情感分类模型.首先,该模型采用提示学习的策略将多属性文本拆解为多条单属性文本,并针对可用语料不足的问题使用多个提示拼接文本进行训练;其次,该模型设计了对属性进行分类的辅助任务模块,让模型能关注到文本中属性信息从而作出更准确的预测;最后,在四个常用的公开数据集上进行了实验,通过分析证明该模型能够有效提高属性级情感分类的性能.

广义后缀树及其在汉语科技词系统中的应用研究

科技词汇知识是科技信息智能处理的基石，如何加速汉语科技词系统的构建是目前研究的热点问题之·。考虑到中文术语构词的特点，文章引入了一种灵活的数据结构——广义后缀树，从字面的角度提出了关系辅助构建、任务分配以及输入提示等辅助工具，使得知识工程师的工作更加高效。

浅谈高职VB教学改革

针对当前高职高专VB教学中普遍存在的问题,就运用现代教育技术手段在教学模式、方法和制度等方面的改革进行了探讨·

软件工程课程教学改革与实践探索

基于软件工程课程的特点,分析了目前教学过程中存在的问题,提出了两阶段教学法:理论讲授阶段以案例分析教学法,通过分析和演示案例,讲述软件工程的过程、理论与方法;在学生实践阶段采用任务驱动教学法,学生通过完成软件项目来巩固理论知识,并锻炼实践能力。实践表明,改进的教学方法能充分调动学生的学习自主性,提高学生的学习兴趣,改善教学效果。

基于元多任务提示学习的零样本谣言检测方法

针对现有谣言检测方法在微调大语言模型时导致的高内存占用,以及提示学习方法对初始点选择敏感的问题,提出一种基于元多任务提示学习的零样本谣言检测方法。首先,基于提示学习范式调整零样本谣言检测任务目标,通过设计提示模板使这一任务目标与大语言模型的训练任务目标保持一致,以充分利用大语言模型积累的先验知识。其次,利用元学习的参数更新策略以定位适用于零样本谣言检测任务的提示模板初始点,从不同的元任务中学习通用知识来实现参数优化。最后,引入情感分析作为辅助元任务进一步调整和优化模型参数。在多个公开数据集上的对比实验结果表明,所提方法在零样本谣言检测任务中表现出色,其性能指标优于基准方法。