加权多模态融合的服装搭配预测

现有的服装搭配方法仅用图像模态或文本模态来进行服装搭配的预测。为解决多种模态间信息交互的问题,本文提出了基于带权重的多模态融合的服装搭配预测方法。该方法首先提取服装图像特征作为视觉特征,同时提取服装描述中的文本信息作为文本特征,然后将提取的特征加权融合,最终将融合的特征输入图神经网络模型中进行服装搭配预测。结果显示,融合后的特征将最重要的服装特征捕捉到服装表示中,能够有效提升服装搭配预测准确率。

典籍英译者的文化意识与语篇意识的融合——以《论语》三种英译为例的讨论

后殖民语境下的典籍英译是一种战略性的跨文化交流活动。经对比分析发现,在所选的《论语》三种译文当中,大陆译者对原文语篇的意义结构、语篇精神和思维方式等方面的传达不如海外华人译者和英语母语译者准确,译文质量低劣。要真正破除跨文化交流过程中西方的种族中心主义、文化自恋主义和文化帝国主义,继承和发扬中华文化精华,实现东西方文化的共存共生与和谐发展,典籍英译者必须把宏观的、战略性的"文化意识"与微观的、策略性的"语篇意识"融合起来,重视语篇的信息模式、逻辑结构、思维方式、文体特点以及语篇功能,采用"异化"策略向强势文化推广汉语文化,更好地参与世界话语建构。

一种融合节点文本属性信息的网络表示学习算法

现有网络表示学习算法主要针对网络结构信息进行表示学习,而忽略现实网络中丰富的节点文本属性信息。为有效融合网络结构信息和节点文本属性信息进行表示学习,提出一种新的网络表示学习算法。为实现两方面信息在训练过程中的相互约束,建立基于参数共享的共耦神经网络训练模型,并利用负采样和随机梯度下降的优化策略实现训练过程的快速收敛。实验结果表明,与Doc2Vec算法、DeepWalk算法、DW+D2V算法和TADW算法相比,该算法的分类性能更好。

《老子》“天下莫柔弱于水”章开头几句臆解

王弼本《老子》第78章的开头几句,即"天下莫柔弱于水,而攻坚强者莫之能胜(古本此字或作"先"),其(古本"其"前有"以"字,应是)无以易之"云云,其解释历来存在很大争议。根据北大汉简本作"天下莫柔弱于水,而功坚强者莫之能失也,以其无以易之也","以其无以易之(也)"句系在"先"字误为形近的"失"字后而添加以足意的补充解释性文句,原本应无之(类似情况《老子》传本中多有);王本及大部分传本之貌,又是"融合"了作"先/胜"[且本无"以其无以易之(也)"句]与作"失"并添加"以其无以易之(也)"句之本而成。类似的所谓"融合"现象,在《老子》某些文本中亦不乏其例。

基于词典与异构融合网络的MOOC评论情感分析

自MOOC兴起以来,其不仅满足了互联网各行各业对学习的要求,而且也产生了大量学习者参与讨论以及对课程评论的数据,为此,文中提出一种面向MOOC领域的用户评论情感分类模型。针对用户评论,通过对评论文本进行分词,利用词向量和约束集构建了一部领域情感词典,用于提取评论的情感特征等信息;所提模型利用异构网络分层融合特征,首先通过对评论文本特征和情感特征的融合,经过双向GRU网络和注意力机制实现对融合特征的学习,得到第一次的情感特征;其次通过CNN和注意力机制实现对课程相关信息的特征学习,并与第一次的情感特征融合;经过两层特征融合,最终通过添加Maxout的情感分类层,实现对评论文本的情感分类。实验表明,该模型在情感分类任务中分类准确率达到91.41%,相比未融合特征的基线模型提高了3.39%。

基于多模态特征融合的相似专利识别方法研究

[目的/意义]专利数量攀升的同时给专利检索工作带来了巨大的挑战,如何利用先进的计算机技术进行相似专利识别成为亟待解决的问题。[方法/过程]提出一种基于多模态特征融合的相似专利识别方法,通过BERTwwm模型和ResNet-50模型提取专利文本模态特征和图像模态特征,结合自注意力机制和交叉注意力机制有效利用两种模态内部特征信息以及模态间的交互信息,在此基础上通过模型训练与优化进行相似专利识别。[结果/结论]采用IPC为“C08F10/00”领域数据进行实证,本文模型准确率达到80.03%,召回率达到82.01%,优于基线模型效果。进行相似专利识别模拟实验,本文模型召回率达到88.89%,实际应用效果较为优异。文本模态特征和图像模态特征结合可以有效提高相似专利识别准确率和效率,本文方法有助于提高专利检索效率,加快专利审查过程,辅助专利预警分析,加强知识产权的保护。