基于BM25、文本Embeddings与交叉编码器的民航客服知识库检索研究

随着民航经济的发展和人民生活水平的提高,旅客出行的服务要求越来越高,而当前传统的民航客服知识库检索普遍存在检索准确率以及效率低的问题,已经不能满足旅客的服务需求。文章通过结合Best Match 25算法、文本Embeddings和交叉编码器对知识库进行检索,高效检索出符合座席意图的答案,进而提升民航客服知识库查找效率,缩短座席通话查询时长,提升旅客服务体验,助力实现民航客服数字化、智能化转型。

深度学习的自然场景文本识别方法综述

自然场景文本识别在学术研究和实际应用中具有重要价值,已经成为计算机视觉领域的研究热点之一。然而,识别过程存在文本风格多样、背景环境复杂等挑战,导致识别效率和准确率不佳。传统的基于手工设计特征文本识别方法由于其有限的表示能力,不足以有效地应对复杂的自然场景文本识别任务。近年来,采用深度学习方法在自然场景文本识别中取得了重大进展,系统地梳理了近年来相关研究工作。首先,根据是否需要对单字符进行分割,将自然场景文本识别方法分为基于分割与无需分割的方法,再根据其技术实现特点将无需分割的方法进行细分,并对各类最具有代表性的方法工作原理进行了阐述。然后,介绍了当前常用数据集以及评价指标,并在数据集上对各类方法进行了性能对比,从多个方面讨论了各类方法的优势与局限性。最后,指出基于深度学习的自然场景文本识别研究存在的不足和难点,对其未来的发展趋势进行了展望。

改进FCENet的自然场景文本检测算法

针对自然场景文本检测中由于背景复杂、尺度多变、形状弯曲等造成的检测难题,提出了一种改进FCENet(Fourier contour embedding network)的场景文本检测算法。该算法基于FCENet并引入了多尺度残差特征增强模块和多尺度注意力特征融合模块。多尺度残差特征增强模块作为骨干网络顶层的残差分支,增强了特征金字塔结构自上而下的高层语义信息流动,提高了文本像素分类能力,有效减少误检现象。多尺度注意力特征融合模块使不同语义和尺度的特征能够更好地融合,结合自底向上的特征融合网络,有效避免文本过度分割并提高了弯曲文本的检测能力。实验结果表明,该方法在弯曲文本数据集CTW1500和Total-Text上的综合指标F值分别达到了86.2%和86.5%,相比原算法FCENet分别提升了1.1和0.7个百分点。

基于注意力机制和CNN的多标签文本分类模型

针对目前多标签文本分类模型存在无法充分提取文本语义与标签的相互关系,提出一种基于注意力机制和卷积神经网络(CNN)的多标签文本分类模型。通过多头注意力机制和CNN对文本进行建模表示,充分挖掘文本全局和局部的语义特征;结合标签与文本信息进行交互注意力计算,捕捉结合文本内容后标签间的相互关系;使用一种自适应融合策略进一步提取两者语义信息。实验结果表明,该模型相比于其他主流模型能有效提升多标签文本分类效果。

基于多尺度注意力特征融合的场景文本检测

针对目前文本检测中小尺度文本和长文本检测精度低的问题,提出了一种基于多尺度注意力特征融合的场景文本检测算法。该方法以Mask R-CNN为基线模型,引入Swin_Transformer作为骨干网络提取底层特征。在特征金字塔(feature pyramid networks,FPN)中,通过将多尺度注意力热图与底层特征通过横向连接相融合,使检测器的不同层级专注于特定尺度的目标,并利用相邻层注意力热图之间的关系实现了FPN结构中的纵向特征共享,避免了不同层之间梯度计算的不一致性问题。实验结果表明:在ICDAR2015数据集上,该方法的准确率、召回率和F值分别达到了88.3%、83.07%和85.61%,在CTW1500和Total-Text弯曲文本数据集上相较现有方法均有良好表现。

文本研究中的细节甄别与思想阐释——以马克思、恩格斯著述为例

文本、文献研究如果不深入到具体细节中进行细致的辨析,很难准确、客观和到位地把握作者的原始思想;而缺乏扎实、可靠基础的任何当代性的阐发,都可能陷入虚妄。马克思、恩格斯虽然注重其学说的现实性、实践性,我们也已经习惯于称他们为“革命导师”“无产阶级领袖”“国际共产主义运动开创者”,但就其一生的职业和身份来说,他们也是学者、思想家和理论家,几十年间在书斋度过,每天大部分时间都在伏案工作,留下了巨大而庞杂的手稿。由于其著述表达方式的特殊性,为我们准确把握和理解其思想增添了很大的难度,为此,解读方法就显得非常重要。结合大量细节甄别,本文提出如下的原则:文本解读必须自觉抑制主体性的肆意发挥;回到西方文化传统辨析马克思、恩格斯思想的传承和变革;从貌似矛盾和对立的表述中寻找融通和互补。

基于专利文本多粒度深层语义的技术演化路径智能识别方法研究

[目的/意义]专利文本是技术演化分析的可靠知识来源。利用领域多层本体和Sentence-BERT深度学习预训练模型可分别从词和句子两个角度挖掘多粒度深层文本语义信息,提升专利文本语义挖掘的全面性,进而提高技术演化路径识别的准确性。[方法/过程]以深度学习、基于本体的相似度计算及谱聚类算法等大数据和人工智能技术为基础,实现准确、高效、全面的技术演化路径智能识别。构建领域词典和领域本体,根据领域词典抽取专利摘要中的领域术语,根据领域本体中不同术语的最近共同祖先节点的深度,从词语级别计算专利摘要间的语义相似度;利用Sentence-BERT对专利摘要进行向量化表示,计算句子层面的语义相似度;结合两种相似度的计算结果构建相似度矩阵并进行谱聚类,根据谱聚类结果和专利时序特征识别技术演化路径。最后以光刻领域专利数据为例进行实证研究。[结果/结论]实验结果表明,谱聚类得到的技术类别划分结果的准确率、精确率、召回率和F1值的平均值均达到了85%以上,说明文章提出的基于专利文本多粒度深层语义的技术演化路径智能识别方法是有效的,其有助于科研人员、企业决策者和政府决策者探究技术发展历程,研判技术创新方向,推动关键技术研发。

交叉与重叠:基于政策文本分析的红色档案认定研究

文章选取25份和红色档案相关的省级政策文本作为研究对象,从红色档案概念界定、认定机制、认定程序、认定级别、认定标准五个维度探究不同省级行政单位在红色档案认定政策制定方面的异同,发现我国在红色档案认定方面存在政策制定不足、概念界定不清晰、具体规范有待细化与完善、跨领域协作稍显薄弱的问题,据此提出明确红色档案认定实质、扩大并深化红色档案与红色资源研究、深化红色档案认定政策制定与实施、组建红色档案认定专家团队的改善建议。

探究性文本细读:指向深度学习的阅读教学路径——以《装在套子里的人》教学为例

高中语文阅读教学应避免宏观提取学科大概念、忽视文本细读的浅表性阅读。教师可通过探究性文本细读的方式,引导学生关注文本裂缝,综合运用对照式阅读、症候式阅读、跨媒介阅读等方法,在文本中发现潜藏信息,并通过自主、合作、探究等多元学习方式还原文本细节,循证探究阅读,重构文本意义,把握作品深刻的思想意蕴,理解作者丰富的精神世界,从而将经典文学作品的阅读活动引向深度学习的领域。本文以《装在套子里的人》教学为例,以“探究性文本细读”为主要策略,探索指向深度学习的阅读教学路径。

基于标签语义匹配融合的多标签文本分类方法

针对当前多标签文本分类研究中存在的文本有效信息提取不充分、标签间的相关性被忽略、文本对标签的语义关注挖掘、利用不足的问题,该文提出了一种基于标签语义匹配融合的多标签文本分类方法.首先,利用DeBERTa模型来计算细粒度为单词级的文本表示;同时,根据标签全局共现构建标签图数据,利用图注意力网络自动学习不同标签之间的关联程度,生成捕获了标签间结构信息与深层相关性的标签特征嵌入;然后,提出了一种基于标签语义匹配的嵌入融合机制建模文本对标签的语义关注,体现了两者的语义关联,并将获得的基于标签语义匹配嵌入的单词融合表示送入CNN中进行特征交互,最终实现标签预测.在AAPD与RCV1-V2这两个公开英文数据集上的实验结果表明,该文所提出的模型性能明显优于其他主流基线模型.

国家级创新创业教育实践基地建设特征探索——基于首批国家级双创基地建设内容的文本分析

国家级创新创业教育实践基地作为高校实施创新创业教育的实践载体,在创新创业教育体系中发挥着重要作用。该文以100所国家级创新创业教育实践基地资料为研究对象,使用内容分析法探究不同类别高校基地的建设内容特点。结果显示综合类、理工类、职业类、特色类高校基地在建设内容特点上存在差异,并结合具体案例总结出依托优势平台、校企合作、结合特色产业三种基地建设模式,以期为高校创新创业教育提供新思路。

基于知识图谱的冬奥赛事气象服务文本生成方法研究

气象服务文本是为赛事顺利举行及赛事期间的各项活动提供必要的气象保障,是组委会、裁判、各代表队的工作人员获取气象信息开展相关工作的载体。现有气象文本生产需要人工编写审核,效率不高。相比之下,全自动文本生成更加依赖于模板和固定的形式。针对以上问题,结合自然语言处理技术提出基于知识图谱的冬奥赛事气象服务文本生成方法。重点从历史赛事气象服务文本中进行内容分析和特征提取,利用气象数据和历史赛事信息构建高山滑雪赛事知识图谱。该方法根据实时气象数据和文稿模板生成天气描述文本,然后基于知识图谱查询推理技术得到赛事影响结果并生成相应文本。实验结果表明:气象服务文本的自动生成结果具有较好的准确性和可读性,有助于冬奥赛事的顺利推进,该文本生成方法面向特定领域也具有较好的应用前景。

基于融合矩阵的文本相似度计算实现检索结果聚类

目的/意义弥补医学文本语义表示方面的不足,实现PubMed数据库检索结果聚类。方法/过程采用Jaccard系数和TF-IDF构建融合矩阵方法,建立短语间、文档间、短语与文档内容间的相似性关系融合矩阵,训练聚类算法,将PubMed数据库检索结果集合分组,随后生成类别标签,描述每一类簇文档的含义。结果/结论基于融合矩阵的聚类效果较好,提取出描述类别的高频词能很好地区分类别含义,对检索结果文本聚类任务有效。

中国古代艺术类著录的注文文本研究

以往的中国艺术史研究较为关注正文文本分析,而忽略其注文文本及其他文本(题跋文本、序跋文本等),至于几者之间意义共生而形成的“综合性文本”更鲜有学人涉及。值得注意的是,在中国古代艺术著录中,正文文本多因注文文本而开出新义,获得新解读,这不仅仅是因为注文文本作为正文文本的“衍生物”,其往往是正文文本内容的补充、修正与考释,还因为正文文本与多数产生于后代的注文文本分别处于不同的时空,处于不同的历史文化背景,而具有“衍生性”性质的注文文本在对正文文本进行勘正及强调某些重点时,新层次的文本内容形成,而这个新的文本所彰显出来的意义也许从未被正文文本原作者所意识到或清晰地表达出来,对此问题进行揭示可开拓艺术史研究思路。

文本分类算法及其应用场景研究综述

随着大数据时代的到来,互联网中的文本信息迎来了井喷式的增长.文本分类作为自然语言处理中最重要的技术之一,其广泛应用于多个领域,如情感分析、新闻分类、自然语言推理、主题标记、抽取式问答、虚假内容检测等.从传统机器学习分类方法理论的深入到深度学习分类方法探索的兴起,相关研究模型与思路也在不断演变,各类新的方法、数据集和评价指标层出不穷,丰富了文本分类领域的研究,取得了卓越的理论成就和应用效果.尽管如此,新技术不断发展和业务应用场景不断丰富,同时,也为文本分类研究带来了许多新的问题与挑战,如数据约束场景中不均衡数据的文本表征学习、小样本场景下的文本分类等.针对当前研究难题与挑战,本文对文本分类方法进行了系统性调研,并对当前方法在实际应用场景中面临的技术挑战和未来的研究方向进行了综合探讨.具体而言,本文主要综述了七部分内容,分别是:(1)对文本分类技术的相关基础知识进行了全面介绍,包括文本分类的常见符号定义、计算范式和文本预处理技术;(2)对基于传统机器学习的文本分类方法进行了详细总结;同时,为了方便读者针对不同的应用场景选择合适的分类模型,本文对不同分类器擅长处理的文本分类难题及方法优劣进行了总结;(3)对基于新兴深度学习的文本分类方法进行了周详梳理,根据领域内代表性技术的核心思想进行分类,在此基础上对不同类别下的主要方法进行描述,同时对其技术的优劣进行了总结;(4)为了方便读者对文本分类模型的有效性进行验证,针对文本分类技术应用最为广泛的七大场景,本文对相关数据集进行了系统性的总结;(5)本文对不同任务目标下的常用的模型评价方法进行详尽介绍,以便对模型性能进行合理的定量评估;(6)基于上述内容,本文对典型应用场景中不同种类文本分类算法进行了性能总结对比;(7)本文分别从数据约束与模型计算两个层面对当前文本分类技术所面临的挑战和未来的重要研究方向进行了总结.本文通过梳理文本分类研究发展脉络,对涉及的代表性技术进行了详细总结和对比分析,有效填补了文本分类领域前沿技术的应用综述空白.

潜在投资行为与起兴修辞文本建构

在商业活动中,潜在投资以隐蔽的形式呈现,不为人察觉,却能实现极终效益最大化的目标预期。在语言活动中,也有这种投资行为。起兴修辞文本的建构,就语言资源配置而言,就是一种潜在投资行为。它的最大特点是,以超出达意所需的增量语言资源投入,确保实现修辞效果最优化的表现。从经济学的视角来看,起兴文本的建构表面上不符合“投入-产出”以少博多的原则,实际上并没有违背经济学上“边际成本等于边际收益”的边际原则,仍然体现了投入与产出的平衡。

融合领域要素知识的多粒度法律文本匹配方法

法律文本匹配的目标是快速提炼对比要素信息并发现关联案件,保障法律适用的统一性同案同判.现有方法未能充分利用特定类型案件的先验知识,其核心要素提取准确率低,仅进行词向量的权重计算,忽略字义、句义、句法的向量信息,影响匹配效果.提出一种融合领域要素知识的多粒度法律文本匹配方法,通过建立特定案件类型领域知识库准确提取法律要素,引入字、词、句3个粒度的注意力机制计算不同文本向量的权重提升匹配模型效果.实验结果表明,该方法在公开数据集上可达到最好效果.

中国教育评价改革的演变、取向与趋势——基于国家政策文本的分析

基于国家政策文本的分析,中国教育评价改革经历从重视考试、教学和毕业(升学)到关注招生录取、学习过程及能力发展再到聚焦学业、素养及质量与标准的演变。改革的不同阶段分别体现为三种不同的取向:科学化、重智、效率优先;兼顾量化与质性、能力与公平;回归真实、关注过程。改革的发展趋势呈现为:评价目的从选拔人才转向人的全面发展;评价内容从知识技能为本转向核心素养为本;评价形式从偏重结果增值转向过程与结果增值并重;评价手段从人工操作转向技术赋能。

JBI循证卫生保健中心文本证据的质量评价清单

在缺乏高质量研究证据的情况下,经过严格地质量评价后的文本证据可作为医疗卫生保健决策依据的有效补充。本文旨在详细介绍JBI循证卫生保健中心3类文本证据(政策、专家意见及记叙)的质量评价清单,并通过实例分析对其核心内容进行详细解读,为国内研究人员评价文本证据的质量提供工具和支持。

基于词-主题-文本异质网络的短文本分类方法

针对现有分类方法未考虑长距离词的语义相关性和文本间潜在主题共享的问题,提出一种基于词-主题-文本异质网络(WTDHN)的短文本分类方法。通过Word2vec训练词的上下文语义向量;构建词相关性矩阵以充足的词共现信息增强短文本各级别语义学;构建以词、主题和文本为节点的异质网络,并采用图卷积学习节点之间的高阶邻域信息,丰富短文本语义。相较于基准分类模型,该方法在五个公开短文本数据集上的分类准确率平均提高1.56%。