双字词的形态结构对汉字位置信息编码的影响

字母转置效应是指颠倒单词的字母位置后,读者仍可识别目标词的现象,表明字母位置信息编码具有一定的灵活性。近年来,研究者通过对比不同形态结构词语的字母转置效应,探讨词语的认知加工方式。本研究采用眼动追踪技术,结合边界范式考察了不同形态结构双字词的汉字位置信息编码。研究结果显示,偏正复合词的汉字转置效应小于并列复合词和单语素词,而并列复合词和单语素词之间没有显著差异。结果表明,与偏正复合词相比,单语素词和并列复合词的汉字位置信息编码更为灵活,表明词语的形态结构会对汉字位置信息编码产生不同的影响,支持了形态复杂词的双通路加工理论。

基于多角度人脸识别模型的课堂点名系统

针对智能化教学中的课堂点名任务中经常出现的人脸遮挡问题,提出了融合多个摄像头图像信息和位置信息的多角度人脸识别模型。通过在教室的多个位置安装摄像头以获得班级不同角度的图像,然后利用人脸检测模块提取出图像中的人脸,将检测出的人脸输入人脸特征模块得到每个人脸的128维特征向量,同时利用位置信息计算模块根据每个角度图像中人脸的位置计算出所有人脸的位置权重,最终通过人脸特征融合匹配模块,将每个角度图像中的人脸特征向量以及人脸位置权重进行融合,并与数据库中每个人脸的特征向量进行相似度计算,将输出结果作为学生是否出勤的依据。最后通过实验表明,该方案融合了多角度的位置和人脸信息,相比于单视图模型,有效解决了人脸遮挡问题,并且减少了人工超参数的设置,使得模型更智能化。

基于分层式CNN的长文本情感分类模型

为解决文本分类中因文本数据篇幅长且语义情感分布不均导致分类准确度偏低的问题,提出一种基于分层式卷积神经网络(convolutional neural network,CNN)的长文本情感分类模型pos-ACNN-CNN。通过在嵌入层加入位置编码来捕获文本中的词序信息,结合基于注意力机制的CNN识别不同词语的情感语义贡献度,得到连续两个句子组成的句子对的特征信息;利用CNN提取文本中所有句子对的全局特征,获得最终的分类结果。在IMDB影评数据集中进行的多组对比实验结果表明,该情感分类模型具有更好的分类效果。