文本图表示模型及其在文本挖掘中的应用

近年来在文本挖掘领域，学者们尝试从底层改造文本挖掘算法，提出文本图表示模型，更加丰富地表征文本内容和结构，从而改进现有文本挖掘算法。相关的研究主要涉及文本图表示模型的定义、节点和边的构建、文本相似度计算方法，以及文本图表示模型在特征内容提取、文本分类和文本聚类、信息检索以及其他文本挖掘任务中的应用。本文主要从以上几方面对文本图表示模型研究进行综述。

融合低层和高层特征图表示的图像显著性检测算法

为了有效地利用不同层次特征的互补性,提高鲁棒性,提出一种融合低层和高层特征的图表示的图像显著性算法.首先以超像素为结点构图,通过高层特征和底层特征差异定义该图的点和边的权重;然后根据该图模型构造不对称转移概率矩阵,并利用Markov随机游走算法进行求解,得到初始显著性图;最后结合中心先验及改进的边界先验得到最终的图像显著性结果.在4个公共数据集上与10种方法进行比较与分析,验证了该算法的有效性.

基于图分类的智能车辆复杂场景风险等级评估与建模

准确估计驾驶场景的风险等级是保障车辆安全驾驶的基础,也是车辆智能化的重要体现.针对多种交通参与者共存的复杂行驶场景,提出一种基于图分类的场景风险等级评估方法,完成对场景的建模和对当前场景风险等级的有效评估.实车实验表明,所采用的驾驶员操作特征数据可以很好地表示驾驶员对场景风险等级的理解,并且图表示模型可以对场景中多种动态交通参与者及其交互关系进行有效说明,所提出的方法能够较为准确地对复杂行驶场景的风险等级进行评估,促进智能车辆安全行驶系统在复杂环境下的发展.