基于宏微观重要性判别模型的时序多文档文摘

时序多文档文摘是针对新闻领域跨时段的相关文档集,即系列新闻报道进行问题无关的、抽取式文摘.根据系列新闻报道不同细节层次的时序特性,提出一种基于宏微观重要性判别模型的内容选择方法.从宏观和微观角度挖掘信息随着时间进化的时序特性,以指导时序多文档文摘的内容选择.首先通过宏观模型确定重要的时间点,然后通过微观模型在重要的时间点选择重要的句子,从而更有效地获取文摘.实验证明该方法是有效的.

基于条件模仿学习的辅助驾驶决策模型研究

随着我国机动车数量的不断增加,交通安全隐患问题越来越严重。针对传统模仿学习效率低下的问题,提出一种基于条件模仿学习的辅助驾驶决策模型,在线模仿学习过程中,构建专家经验池和个人经验池来动态分配学习数据,提高辅助驾驶决策的准确度,同时采用图像语义切割和先验知识迁移技术提取图像特征,提高预测的效率和准确性。模拟实验表明,该辅助驾驶决策模型显著降低了平均预测误差,使得辅助驾驶决策更加贴合个人的驾驶习惯。