全球社交网络中用户“社会互动位置—信息位置”同质效应研究——基于Twitter信息传播的数据挖掘和实证分析

全球性社交网络媒体的强势崛起,消减了不同国家和地区人们信息传播的限制,其中也形成了新的社会连接、传播机制和圈层路径。本文针对的核心问题是全球社交网络用户在"社会互动位置-信息位置"之间的同质效应:基于内容的在信息空间中的坐标位置,和基于社交网络中互动关系的坐标位置,两者是否以及如何具有对应性与关联性。选取Twitter这一重要而典型的社交媒体,以主题性的关键词进行抽样,抓取到去除重复后的102097条帖子及其上传者和部分有效受众样本的信息;使用人工标注、机器学习相结合的方法对用户所属的国家划归到所属的39个区域版块,形成39×39的分布矩阵进行分析。在Twitter上进行信息传播的过程中:不同区域版块的用户存在着"社会互动位置"与"信息位置"的同质圈层效应。本文针对的不仅仅是用户在社会互动关系和所处信息空间的同构圈层性,而且提出、检验、分析了这两者在各自多维度的"空间坐标"上的切近性。本文在我国文化的全球传播中,对全球社交网络中"社会互动位置-信息位置"同质效应进行了首次明确分析与具体证实,有助于从传受关系和内容特征的多元交叉角度,加强对于社交网络中信息传播机制与结构的研究。

基于邻节点数目和位置信息改进的AODV路由协议

针对在节点密度大的网络下按需平面距离向量(AODV)路由协议延时大、网络拥塞、分组抵达率低等问题,提出了基于邻居节点数目和节点位置信息改进的AODV-C协议。当网络中的无人机(UAV)节点的邻居节点数量较少时,只允许前进区域上的节点转发数据包;数量较多时,在前进区域内且距离源节点远的邻居节点转发数据包,限制数据包的转发节点数量和转发的区域。仿真结果表明:改进的路由协议与AODV、AODVE相比,提高了路由稳定性与可靠性,能够更好地适应节点密度大的网络环境。

位置信息服务在智慧校园的应用研究与实现

智慧校园是利用信息化手段,实现校园的智能化、数字化和网络化,为师生提供高效、便捷、安全和舒适的学习和生活环境。位置信息服务则是智慧校园的重要组成部分,可以为校园的管理、教学、服务和安全等方面提供有力的支撑。本文以位置信息服务为切入点,探讨了智慧校园的关键技术、典型案例和有效策略,旨在为智慧校园的建设和发展提供参考和借鉴。

基于WebRTC的移动视频监控实时位置信息扩展

铁路移动视频监控在保障铁路运输安全方面起着重要作用,但目前铁路移动视频监控系统存在一些局限性。为了提高系统的效率和可靠性,本文提出了一种基于WebRTC的方案,通过扩展RTP头部并添加移动设备的实时位置信息来实现。该方案通过在RTP包头部添加自定义扩展,可以将移动设备的位置信息传输给接收端,并且可以根据位置信息来进行及时的方案设定和网络适应性控制。我们在实验中测试了该方案的性能,并发现它可以有效地提高铁路移动视频监控系统的效率和可靠性。

基于位置信息和注意力机制的路面裂缝检测

路面裂缝是造成公路安全问题的主要因素。传统的裂缝检测通常以人工检测为主,存在效率低、不安全等问题,此外现有深度学习检测模型在面临阴影遮挡、背景复杂等干扰因素时会造成裂缝检测不完整。针对上述问题,提出一种基于位置信息和注意力机制的路面裂缝检测模型(PA-TransUNet)。首先,通过混合编码器接收输入图像,提取裂缝特征信息,引入查询项、键、值的位置信息,提升编码器Transformer中自注意力机制捕获裂缝形状和补偿特征信息丢失的能力。然后,输入裂缝特征到解码器进行上采样,设计一种基于注意力门控的解码模块(AGDM),AGDM通过抑制非裂缝区域来加强对裂缝区域的学习,提高裂缝检测的准确性和完整性。实验结果表明,PA-TransUNet模型在路面裂缝检测数据集(CFD)和Cracktree200这2个公开数据集上的F1值分别达到87.44%和82.58%。此外,为了进一步检验PA-TransUNet模型在实际工程中的裂缝检测能力,又在自制无人机裂缝(UAV Cracks)数据集上取得了88.68%的F1值,由此可见其能较好地满足实际工程中的裂缝检测需求。

融合位置信息和上下文的水面目标检测方法

针对复杂多变的水面环境中,小目标检测精度低、漏检率高且检测平台计算资源有限的问题,提出了一种基于Efficientdet-D0融合位置信息和上下文的水面目标检测方法.首先,采用坐标注意力机制对主干特征提取网络的主要模块移动翻转瓶颈卷积进行改进,将目标的位置信息集成到通道注意力中,提高网络对水面小目标的检测能力;其次,在特征融合网络BiFPN中引入Cot模块,增强特征融合网络对特征图相邻和全局上下文的获取能力,进一步提高检测小目标的能力;最后,为优化预测网络训练,将预测网络激活函数替换为H-swish.在WSODD测试集中的实验结果表明,本文模型的mAP相比于原始模型提高了16.95%,漏检率下降明显,且本文模型参数量小于大多现有模型,证明了本文方法在水面目标检测模型中的有效性.

融合组件位置信息特征的少样本字体生成

局部组件方法实现少样本字体生成任务,通常会忽略组件位置信息对文字生成的作用,造成生成文字整体结构布局存有偏差。为了能够有效捕获组件位置信息,提出一种融合组件位置信息特征的少样本字体生成方法(CPI-Font)。提出的CPI-Font模型以MX-Font为基本框架,设计一种新的全局位置信息提取器。以坐标注意力提取全局位置信息,并通过多头组件注意力关注每个组件在全局位置信息中的不同重要程度,以捕获局部组件在整个字形中的全局位置关系特征,避免生成的字形结构产生偏差。采用公开构建的39种字体作为汉字数据集,与目前主流模型进行大量实验。实验结果显示,提出模型的LPIPS值达到0.112,FID值达到88.5,在内容和风格上的准确率分别达到83.1%、70.4%,在三个评价指标上模型均优于其他算法。结果表明,CPI-Font模型能够有效捕获组件位置信息,并具有较为先进的少样本字体生成性能。

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。

融合外部知识和位置信息的中文命名实体识别

命名实体识别(named entity recognition,NER)是信息检索和自然语言处理领域重要且基础的任务。与英文不同,目前大部分的中文NER方法,都面临分词困扰、领域知识缺失的问题。针对以上问题,基于Lattice结构,提出一种结合知识图谱嵌入(knowledge graphs embedding,KGE)和带掩码位置信息的中文NER模型。Lattice语义信息的使用,为补充词粒度信息和解决分词问题奠定了结构基础。知识图谱嵌入的使用,为模型补充并定位了其所缺失的领域知识。而带掩码位置信息的使用,则较好地解决了由于知识图谱的引入而带来的知识噪声问题。所提出的方法在通用领域和垂直领域上均能取得较好的表现,在Weibo、Resume以及CCKS 2017上的F1值分别达到了74.01%、96.62%、94.95%。

数智传播时代个人位置信息的风险面向与保护逻辑

随着数智传播时代与公民生活高度链接,个人位置信息的商业价值和社会治理价值日益凸显,但其保护和利用却面临充当监视资本主义新利器、公私权力的异化以及权属不清等新型风险。在保护逻辑上,应该以个人位置信息保护法律规范体系为核心逻辑;把个人位置信息纳入“个人信息权益”涵摄范围更有利于实现保护和利用;坚持法律文本中的原则性规定等举措,是做好数智媒体传播时代个人位置信息保护和利用的基础逻辑。

缺乏位置信息的视觉移动机器人leader-following编队控制

针对视觉移动机器人编队在缺乏位置信息情况下的控制问题,提出一种基于视觉的leader-following编队反馈控制方法。该方法利用leader标志物特征点在follower摄像机像平面上的坐标信息设计了观测器,对leader与follower间的相对位置进行估计,基于相对位置估计量与它们速度的关系,设计出leader-following编队反馈控制器,通过Lyapunov理论证明了闭环系统的稳定性。仿真结果表明,该控制方法能有效解决缺乏位置信息情况下视觉移动机器人编队的控制问题。

汉语阅读中词素位置概率信息对词切分的影响

词素位置概率信息在汉语阅读词切分的过程中发挥着非常重要的作用,已有相关研究主要集中于词素位置概率信息独立或与其他因素共同影响词切分两个方面。本文将从上述两个方面梳理相关研究成果,并在此基础上对未来的研究方向提出展望,即开展词素位置概率信息加工与词切分的先后顺序的研究,丰富有关重叠歧义词词切分的研究,并深入探讨词素位置概率信息、语境多样性,以及多种心理线索对词切分的影响。

基于元学习和位置信息的小样本学习方法

随着小样本学习的发展,元学习已经成为一种流行的小样本学习框架,其作用是开发能够快速适应有限数据和低计算成本的小样本分类任务模型。最近有关注意力的研究已经证明了通道注意力对于特征提取效果有一定的提升,但是它忽略了位置信息的作用,位置信息对于在小样本任务中更好地从有限的数据中学习来说很重要。基于这一事实,本文提出一种新的方法,通过在所有基类上预先训练一个加入位置信息注意力的分类器,然后在基于最近质心的小样本分类算法上进行元学习,实现了将位置信息和提取特征有效的结合。通过在两个标准的数据集上实验,和当下主流的小样本图像分类方法相比,该方法在Mini-ImageNet数据集的1-shot与5-shot任务上分别提升1.23%和1.02%,在Tiered-ImageNet数据集上,也分别提升0.85%和0.78%。实验表明该方法有效的发挥了位置信息的作用,可以提升小样本图像分类的准确率。

基于位置信息多注意交互模型的方面级情感分析

方面级情感分析是用于识别文本中特定方面情感倾向的细粒度级情感分析。针对传统神经网络模型在上下文和方面词之间交互性较少,不同距离上下文对方面词情感极性判断有不同影响等问题,提出了基于位置信息多注意交互模型(MAIP)。该模型引入依存句法树表示词语之间的依存关系,将位置信息嵌入到词向量中,使用双向GRU获取方面词和上下文的隐藏向量表示,并利用多注意力机制学习词语之间的交互信息。实验结果表明,该模型能有效提升情感分析的准确度。

融合实体和上下文信息的篇章关系抽取研究

篇章关系抽取旨在识别篇章中实体对之间的关系.相较于传统的句子级别关系抽取,篇章级别关系抽取任务更加贴近实际应用,但是它对实体对的跨句子推理和上下文信息感知等问题提出了新的挑战.本文提出融合实体和上下文信息(Fuse entity and context information,FECI)的篇章关系抽取方法,它包含两个模块,分别是实体信息抽取模块和上下文信息抽取模块.实体信息抽取模块从两个实体中自动地抽取出能够表示实体对关系的特征.上下文信息抽取模块根据实体对的提及位置信息,从篇章中抽取不同的上下文关系特征.本文在三个篇章级别的关系抽取数据集上进行实验,效果得到显著提升.

数控机床传动轴位置信号采集及线性误差补偿设计

为了提高数控机床传动轴位置线性误差补偿能力,运用误差补偿方法对机床伺服系统的位置环信号进行采集,设计了一种数控机床传动轴位置信号采集及线性误差补偿方法。通过引入了一种测温方法来采集被测点温度,并对测试数据修正,计算温度偏差补偿值来达到对该系统线性错误补偿的功能。研究结果表明,重构方差发生了增大,形成了更小的最大误差,曲率积分递推过程获得的误差也更小,实现了更优重构效果。对各类误差按照特定方式实施补偿,采用线性误差的形式,实现机床坐标实时补偿的功能。该研究具有很好的实际推广价值,可适用于其他类型的机床精度控制领域。

永磁同步电机无位置传感器控制技术综述

无位置传感器电机驱动器具有成本低、可靠性高、硬件电路简单以及维护要求少等优势,在学术界和工业应用中受到了越来越多的关注。对适用于零低速域、中高速域以及全速域三种运行范围的多种无位置传感器技术进行了综述。首先,分别对比分析了零低速域和中高速域下各种无位置传感器控制方法的优缺点。其次,梳理和总结了目前全速域运行的切换控制策略。最后,对永磁同步电机无位置控制技术的未来发展趋势进行了展望,并指出了后续研究的关键问题。

基于位置信息和能量均衡的声电协同网络AODV

不同于陆地物联网应用,海洋物联网应用往往需要解决水面网络与水下网络之间的信息交互问题,合理的路由方案是解决上述问题的关键。因此,提出了一种基于位置信息和能量均衡的声电协同网络自组织按需距离向量路由协议(AR-AODV, ad hoc on-demand distance vector for acoustic-radio integrated network),旨在引导信息流更多地通过水面无线电链路进行转发,从而减轻水下通信网的负担,提升网络的整体性能。在该协议中,浮标节点的转发优先级高于水下节点。当源节点需要发送数据时,它进入路由发现阶段,节点以自身的位置和能量信息作为启发式信息,用于计算转发概率并广播路由请求(RREQ, route request)报文进行寻路。当目的节点收到RREQ报文时,发送RREP报文进行信息素更新,依据信息素的大小选择最优的路径。与AODV相比,AR-AODV在传输成功率、传输时延、吞吐量、能量转化率、寻路包转发次数方面的性能有显著提升。

基于AKAZE的融合空间位置信息的视觉词汇树检索算法

针对WebAR在自然环境中易受光照、拍照角度、拍照距离、待识别物大小等因素影响,目标识别的准确度和速度难以得到保障的问题,提出了基于AKAZE的融合空间位置信息的视觉词汇树检索方法。利用AKAZE算法提取图像局部特征,通过分层词汇树将图像局部特征量化为视觉单词,将图像检索转换为视觉单词统计匹配,量化过程融合了局部特征的空间位置信息,细化特征间的匹配重要性。以此为基础实现了一个面向图书馆和艺术馆的WebAR系统,实验结果表明,该方法能够提高自然特征识别的速度和准确率,可以进一步应用在室内外以及更复杂的交互环境中。

融合物品转换关系和时序信息的会话推荐算法

针对现有图神经网络会话推荐算法忽略了各类辅助信息,导致不能准确地建模会话序列的问题,提出了一种融合物品的转换关系和时序信息的会话推荐算法(RTSR)。首先利用图网络结构得到任意两个节点之间的最短路径序列,经过双向门控循环单元(GRU)将其编码为对应物品之间的转换关系,再结合自注意力机制从图的角度捕捉会话的全局依赖信息。同时设计了一种无损图编码方案来缓解会话图编码过程中信息损失的问题。该方案将会话序列中的时序信息进行合理的量化,并将其作为会话图中边的权重,再结合门控图神经网络获取会话的局部依赖信息。最后,线性组合全局依赖信息和局部依赖信息并结合反向位置信息,最终生成用户对物品的兴趣偏好,并给出推荐列表。在公共基准数据集Gowalla和Diginetica上与SR-GNN、GC-SAN、GCE-GNN等主流模型进行性能对比实验,结果表明RTSR在平均倒数排名方面分别至少提高了6.13%和1.58%,同时推荐精准度方面也有相应的提高。