家装CAD中基于几何约束的交互语义分析算法

阐述了几何约束的含义及其分类,分析了几何约束在家装CAD中的重要性以及家装CAD中应用几何约束的实现难点,给出了基于网格的前处理算法、基于约束优先级的交互语义分析算法和语义分析的后处理算法。基于网格的前处理算法可以对离散点进行自适应校正,对数据进行动态更新,对水平、垂直的处理十分方便;基于约束优先级的交互语义分析算法可以自动捕捉用户的语义、处理几何对象之间的关系,建立房屋的拓扑结构;语义分析的后处理算法负责分析拓扑结构,自动添加房间构件,自动实施部分装修功能。最后提供了一个实例,表明基于该算法的家装CAD系统在实际应用有良好的效果。

会议中群体交互语义的获取方法研究

会议是人们日常生活中不可缺少的重要活动,是解决问题、交换信息、共享和创造知识的重要途径,因此智能会议系统是当前学术界和产业界研究的热点之一。但当前的智能会议系统主要集中于物理交互的识别与可视化研究上,对会议中群体语义交互的研究相对较少。群体语义交互是指参会人员针对当前主题所做出的具备语义的交互活动。采用朴素贝叶斯模型,通过对会话中的头部动作、关注度、语气、说话时间长度、交互时机、上次会话角色类型和会话关键词等7个特征属性进行处理,设计并实现了一种会议中群体交互语义的获取方法。实验表明,利用该算法,群体交互语义的识别准确率可以达到80.1%,该算法具有一定的有效性。

跨模态语义时空动态交互情感分析研究

针对传统情感分析中存在的模态间交互性差、时空特征融合度低的问题,建立了一种跨模态的语义时空动态交互网络。通过引入双向长短期记忆网络挖掘各模态的时间序列特征,加入自注意力机制强化模态内特征的权重赋值,将自动筛选出的特征矩阵送入图卷积神经网络进行语义交互。然后以时间戳为基础进行特征聚合,计算聚合层的相关系数,获得融合后的联合特征,实现跨模态空间交互,最终完成情感极性的分类与预测。使用公开数据集对所提出的模型进行评估验证,实验结果表明,多模态时间序列提取和跨模态语义空间交互机制可以实现模态内和模态间特征的全动态融合,有效地提升了情感分类的准确率和F1值,在CMU-MOSEI数据集上分别提高了1.7%~13.5%和2.1%~14.0%,表现出良好的健壮性和先进性。

问答模式下结合属性语义的实体属性抽取研究

实体属性抽取任务中常面临属性标签过多时模型存在爆炸风险的问题,且目前大多数属性抽取模型对文本均分配一致的注意力因子,未将上下文的变化考虑在内。为解决上述问题,提出一种基于问答模式的结合属性语义的实体属性抽取方法。该方法的要点在于,将文本看作上下文,把属性视为查询,从上下文中提取到的答案等同于期望的属性值。文中对文本和属性的语义表示进行建模,并提出一个动态注意力机制用于捕捉二者间的语义交互、实现信息融合,同时自适应地控制属性信息融入文本向量的程度。为了验证该方法的有效性,将模型与目前广泛应用的BiLSTM模型、BiLSTM-CRF模型、OpenTag模型和Open Tagging模型在包含大量属性标签的数据集AE-110K、AE-650K上进行对比实验,结果表明,模型在结合属性语义信息且采用动态Attention的条件下,其预测准确度、召回率和F1值更高。

基于认知语义的视线跟踪人机交互任务设计

为实现视线跟踪人机交互系统中人-机可靠有效的会话,本文提出结合人类认知思维和交互任务执行情况的系统工作状态辨识方法。根据认知交互语义设计交互任务,对交互任务执行状况进行判断并统计执行结果,依据视线跟踪人机交互系统历史交互信息设计系统工作状态辨识算法和系统工作状态判断阈值,实现对系统工作状态的辨识。最后在建立的实验平台下进行了实验,实验结果表明:基于认知交互任务的系统工作状态辨识方法可以较准确的对系统当前工作状态做出判断,有效避免了米达斯接触问题等引起的误判。

新能源驱动下的技术与审美认知关系研究——从造型语义到交互语义

人的驾驶行为模式在过去的一个多世纪并没有本质的变化,这种以汽车个体为单位,围绕基本驾驶功能的有限交互操作,在新能源取代化石能源的技术变革中开始被打破。动力的改变颠覆了传统汽车构造,更自由的空间布局与多元化的内饰需求赋予汽车造型设计新的生命力。车联网与自动驾驶技术的成熟把人从驾驶的机械劳动中解放出来,技术变革带来的改变超越了物理层面,催生出新的人机关系与交互模式,汽车在交通运输以外有新的属性,衍生出新的出行生活方式与社会经济模式。由此产生的新设计语言,改变了人对汽车的审美认知与审美需求,汽车设计从以造型的视觉化审美感知,开始走向以HMI(人机交互)为核心、虚实结合的全面审美感知阶段,多通道的人机交互变革开始构筑新的用户体验与新的汽车审美认知模式。

基于“链上聚合+智慧交互”的“榫卯结合”式业技融合创新实践研究

为适应金融业市场环境新变化趋势,银行业务领域与技术思维的融合是关键。文章提出一种基于“链上生态+智慧交互”的“榫卯结合”式业技融合创新实践新模式:依托“链上生态”搭建工具积木的方式快速响应各业务条线需求,结合“智慧交互”释放AI能力,有机嵌入行内系统做好场景协同,通过“榫卯结合”健全业技敏捷派驻机制,高效拉通内部资源,实现业务、产品、场景运营、科技的紧密衔接与多重场景耦合应用。

基于语义交互的三维重建

三维重建是计算机视觉的核心问题.随着三维重建技术的发展,人们越来越认识到从图像到空间结构这种自底向上的重建方法,不管如何刻意设计和优化都很难达到对场景具有高层语义意义下的重建.基于此,提出一种基于高层语义交互的重建方法,在底层重建结果的基础上,利用自然语言交互进一步完善重建结果.最后通过2组简单实验验证了文中算法的可行性.

基于多重语义交互的递归式场景理解框架

传统基于前馈设计的视觉系统已经非常普遍,但其存在的一大缺陷是某个环节出现的错误无法被及时修正,从而影响系统的最终性能。为此,提出了一种简易的交互式框架,其特点在于场景语义的不确定性能够通过不同的视觉分析过程协同工作实现求解和优化。在该框架中,分别使用了3个经典的场景理解算法作为视觉分析模块,不同模块之间利用彼此输出的表面布局、边界、深度、视点和物体类等上下文语义之间的交互以实现各自性能的渐进式提升。提出的方法不需要人为设置约束条件,可根据需求插入新的模块而无须对原有框架和算法进行大的修改,具有良好的可扩展性。基于Geometric Context数据集的实验结果表明,这种基于本征信息交互的反馈式设计通过多次递归后能够有效弥补前馈式系统存在的不足,其中表面布局、边界和视点估计的平均精度提升了5%以上,而物体类的平均检测精度也提升了6%以上,其可成为未来改进视觉系统性能的途径之一。

异种数据环境中语义交互操作的研究

本文在适当介绍语义值知识、资源接收框架的基础上，分析了异种数据环境中信息交换的实现过程，同时就该过程优化问题作了讨论。

基于多粒度语义交互理解网络的幽默等级识别

幽默在人们日常交流中发挥着重要作用。随着人工智能的快速发展,幽默等级识别成为自然语言处理领域的热点研究问题之一。已有的幽默等级识别研究往往将幽默文本看作一个整体,忽视了幽默文本内部的语义关系。该文将幽默等级识别视为自然语言推理任务,将幽默文本划分为“铺垫”和“笑点”两个部分,分别对其语义和语义关系进行建模,提出了一种多粒度语义交互理解网络,从单词和子句两个粒度捕获幽默文本中语义的关联和交互。在Reddit公开幽默数据集上进行了实验,相比之前最优结果,模型在语料上的准确率提升了1.3%。实验表明,引入幽默文本内部的语义关系信息可以提高模型的幽默识别性能,而该文提出的模型也可以很好地建模这种语义关系。

基于多粒度语义交互的无监督法律裁判文书检索

随着法律文书数据越来越多,信息过载问题日益严重,快速且准确地在海量法律文书中进行检索显得非常必要。法律文本作为一种特殊的文本形式,具有篇幅较长、结构复杂、专业性强等特点,传统基于关键字的文本检索方法不能满足用户查询法律信息的需求,容易出现答非所问、检索不全等问题。此外,基于语义的文本检索方法,大多依赖于对含有大量标注数据的法律文本进行有监督学习,而法律文本数据的人工标注则严重依赖专家知识,导致其需要高昂的人力成本。该文提出一种基于无监督学习的法律文书检索模型,分别从法律概念、词语和词组3个方面进行多粒度无监督文本匹配,避免了没有训练数据导致的冷启动问题。在法律裁判文书数据集上进行检索实验的结果表明,与基准模型相比,该模型在MAP、MRR和NDCG@10指标上均有显著提升,取得了优秀的检索效果,具有有效性和先进性。

基于多粒度语义交互的抽取式多文档摘要

信息爆炸是信息化时代面临的普遍性问题,为了从海量文本数据中快速提取出有价值的信息,自动摘要技术成为自然语言处理(natural language processing,NLP)领域中的研究重点.多文档摘要的目的是从一组具有相同主题的文档中精炼出重要内容,帮助用户快速获取关键信息.针对目前多文档摘要中存在的信息不全面、冗余度高的问题,提出一种基于多粒度语义交互的抽取式摘要方法,将多粒度语义交互网络与最大边界相关法(maximal marginal relevance,MMR)相结合,通过不同粒度的语义交互训练句子的表示,捕获不同粒度的关键信息,从而保证摘要信息的全面性;同时结合改进的MMR以保证摘要信息的低冗余度,通过排序学习为输入的多篇文档中的各个句子打分并完成摘要句的抽取.在Multi-News数据集上的实验结果表明基于多粒度语义交互的抽取式多文档摘要模型优于LexRank、TextRank等基准模型.

输电线路巡检无人机导航的语义交互方法

针对高空巡检环境的复杂性和不确定性,提出了一种输电线路巡检无人机导航的语义交互方法.基于本体方法构建人机交互的语义拓扑体系,形成具有感知运动数据处理的导航框架;其次,以语义拓扑关系为基础,结合谓词逻辑形式的背景知识,提出结构化路径导航方法,实现人机在统一的概念层次上路径导航的语义交互;最后研发了巡检导航的语义交互原型系统,通过实验证明:作为语义交互实例,本文所提方法可以为无人机电力巡线提供位置导航控制,实体名词提取满足实际期望估计且精度控制较高,为基于数据驱动的输电线路巡检提供了基础支持.

三维环境手势自然交互范式研究

随着非接触式交互设备的出现和三维界面的广泛应用,传统的二维交互方式已经不能满足三维应用系统的需求,亟待研究三维界面的自然交互问题。结合用户认知心理和三维界面的特点,提出三维界面交互通用模型GOMSS(Goals,Operators,Methods,Selection Rules and Scenes),并将该模型应用于体感设备的手势交互研究,设计了三维环境手势自然交互范式。通过虚拟装配等系统进行评估,表明该手势交互模式在提升系统易学性和交互沉浸感方面的有效性。

深度协同感知的因子分解机

因子分解机(Factorization Machines,FM)在不同的输入实例中对每个特征产生单一的固定表示,忽略了特征的多语义特性,限制了点击率(Click-through Rate,CTR)预估模型的表示和预测能力.针对这一问题,提出一种深度协同感知的因子分解机模型,引入多语义交互感知网络和三重输入感知网络,通过多语义的特征域交互并融合不同层级的特征交互信息学习不同样本的感知因子,从而获得更加准确的特征表示.通过模型对比实验和消融实验表明:该模型可以有效提升点击率预测的准确性.

包含协议和语义的构件一致性验证方法

在基于构件的系统设计中,需要对构件的一致性进行验证。构件的一致性包括语义一致性和协议一致性,已有的一致性验证方法仅支持构件的协议一致性验证。而在实际应用中除了要进行构件的协议一致性验证外,还需要进行其语义一致性验证。为此提出了一种包含协议和语义的构件一致性验证方法。将方法语义与基于场景的需求规约相结合,使用语义扩展接口自动机模型(SIA)来建模构件的语义和协议信息,使用带有语义约束的UML交互概观图来表示基于场景的需求规约。通过对SIA和带语义约束的UML交互概观图的行为的理论分析,进一步形成了一种一致性验证算法,并用实例来说明其过程。算法不仅能够检验系统中构件的协议一致性,而且能够检验其语义一致性。该算法中的方法语义包括了该方法参数的类型和详细语义信息,更符合实际应用情形。

居民出行与轨迹行为交互模式挖掘与关联技术

出租车是居民出行的重要交通工具,其轨迹数据蕴含着丰富的居民出行信息。原始出租车轨迹数据因缺少语义信息无法直观反映居民出行规律。通过轨迹数据挖掘技术处理之后的出租车轨迹数据能够反映居民活动规律和行为模式,从而为城市规划决策提供参考依据。本文重点研究了基于语义的交互模式度量,通过出租车停留点推断其语义信息;然后根据语义信息构建语义交互矩阵,用以推断和描述行为目的交互模式;最后选取北京市中心为研究区域进行方法验证。结果表明,中心城区内不同类别的停留点聚集分布规律不同,围绕高校和商圈聚集较明显;工作日各类停留点的活跃度持续时间较非工作日长;工作日和非工作日行为目的交互模式差别显著,工作日以职住和工作交互为主,非工作日以休闲和居住交互为主。本文研究可以为城市规划管理、资源调度和应急管理提供一定的决策支持。

衍推与英语形容词的语义类别

形式语义学将形容词视为从一个属性集映射到另一个属性集的函项。形名组合衍推模式的不同反应了映射作用的差异,形容词便可以据此分成语义交互式形容词和语义类属式形容词两类。而传统上基于此标准分出的否定式形容词和非否定式形容词都应该归入语义类属形容词。

沉浸式态势感知中手势交互应用

为了增强对整体态势的掌控与理解能力,将真实人手引入,利用虚拟手与场景进行交互,自然高效地完成任务。根据人手的运动特性,采用基于惯性传感器的手部骨骼长度比例计算方法,基于运动学位置解算实现了手部运动跟踪。针对虚拟场景,识别典型的手部动作序列,设计了基于上下文语义理解的交互过程以及双手协同模式下的交互模型,并在场景中得到了应用验证,获得良好的用户体验。