基于向量数据库的智能媒资搜索研究

在媒体转型与发展的浪潮下,媒资内容的存储与管理在广播电视行业从传统向数字化的转型尤为重要。为了提高对媒资的管理与分析能力、提高用户的检索效率,河南广播电视台基于深度神经网络模型,通过对文本、图像和视频等内容进行嵌入表示,实现了语义级别的检索,为媒资内容管理的发展提供方案。

基于图像搜索引擎与向量数据库的技术应用探讨

随着数字图像的广泛应用和互联网的快速发展,大量图片和多媒体内容被上传和存储,新闻工作者在日常工作中经常遇到需要查找或识别特定图像的情况,然而传统的基于文本的搜索方式无法满足这种需求,因此,基于深度学习的图像搜索引擎得到广泛关注。本文主要论述了基于深度学习的图像搜索引擎与向量数据库的技术分析与应用实践,解决了图片检索难、效率低下、准确度低的问题。

人工智能技术在新华社统一数据库中的应用

[目的]为适应媒体融合发展需要,充分挖掘数据价值,实现技术引领业务发展。[方法]新华社大数据中心应用预训练大模型和向量数据库等人工智能技术,整合文本、图片、声音、图像等数据形式,推出了语义搜索、图片检索、人像检索、声音和视频检索等服务,建成统一数据库系统。[结果][结论]该系统解决了采编业务痛点,辅助内容生产,推动了新闻内容全流程的自动化、智能化,实现了从单纯的稿件管理到内容产品服务的升级跨越。

人工智能时代数据库技术创新态势研究

以人工智能为代表的新一代信息技术加速创新,在数据结构、部署方式、应用场景等方面对数据库技术发展提出了新的要求。围绕人工智能时代数据库技术创新的新需求、新挑战,总结了当前数据库技术创新的主要方向,重点讨论了人工智能技术同数据库技术的融合创新方向与实践应用,分析了当前国内外数据库产业发展趋势、竞争格局等,并提出了当下我国数据库技术创新发展建议。

生成式人工智能对社交机器人的影响与治理对策

[研究目的]生成式人工智能使作为社交媒体舆情传播核心的社交机器人具有更加强大的舆论操纵能力,且随着生成式人工智能的快速发展,社交机器人与人类在社交媒体中的活动更加难以区分,隐匿性更强,危害性更大,需要提早研究社交机器人的治理策略,以维护网络舆情安全和国家安全。[研究方法]结合生成式人工智能的特点,剖析了其对社交机器人操纵舆情能力的影响,采取“技术管控技术”的理念,提出基于生成式人工智能的社交机器人情报分析建模思路,在模型中增加向量数据库和本体推理,增强了模型的相似性检索、语义理解、多模态数据分析、动态数据更新以及少样本学习能力。[研究结论]通过将“大语言模型”和“知识图谱”进行深度融合,利用知识图谱中的知识减少大语言模型的“幻觉问题”。同时,利用大语言模型完善和补全知识图谱,增强了对社交媒体情报信息的检索和应用能力。在社交迷雾演化全生命周期提高了对社交媒体舆情,特别是社交机器人的监测识别、感知预警、追踪溯源和研判管控能力。

基于多租户架构的企业GPT构造器的设计及其在5G消息上的应用

ChatGPT以其强大的自然语言处理和知识推理技术,在全球范围内引起了大型语言模型(LLM)的热潮。通过基于多租户基础架构的企业GPT构造器,实现了企业网站抓取和文档加载功能,为中小型企业租户提供了私域数据喂养和向量化服务,并将语料向量作为LLM的长期记忆,构建了企业级GPT能力。通过配置的5G消息Chatbot同企业客户进行交互,在交互过程中,其能通过检索向量数据库中的企业相关信息,提供企业级的ChatGPT服务。

广电新闻大数据智能辅助生产系统平台建设

本文采用多模态检索、向量数据库等能力驱动新闻大数据价值挖掘,在线索发现、选题策划、素材准备、发布效果分析、内容策划评估等方面推动生产流程机制创新,在一定程度上提升了媒体工作者工作效率和新闻内容效果评估能力,可使媒体工作站更专注新闻媒体产品的策划思考和高品质创作。

基于迁移学习的小样本织物图像自动分类与检索系统

针对织物图像在电子商务、库存管理等领域的应用存在分类繁琐、检索精度不高等问题,提出了一种基于迁移学习的小样本织物图像自动分类与检索系统。首先,设计并改进了基于迁移学习的深度学习模型,对其进行微调;然后基于小样本织物图像集训练,生成新的分类模型,实现织物图像自动分类;最后,去除新模型中的分类层,提取数据集所有织物图像的图像特征,存储到Milvus向量数据库中,输入待检索织物图像,选择相似度计算方法,实现织物图像top k检索。实验结果表明:预训练模型经重新设计及训练后,织物图像识别精度可达99.5%,top 5检索的平均精度均值为0.992,平均查准率为99.65%,平均检索时间0.1653 s。通过系统的实施,可为小样本织物图像分类与检索领域现存问题提供可行的解决方案。