有监督全局流形排序的图像检索算法

针对流形排序图像检索中无正反馈标记的查询查准率为零时,查询无法得到改善的情况,提出了有监督全局流形排序图像检索算法(SG-MRBIR)。该算法充分利用图像库中图像的局部与非局部的几何分布信息、标记信息以及用户的查询反馈信息来提高检索性能,并且通过不相关排序对检索到的相关排序向量进行校正,改善了第一次查询查准率为零的情况。在MSRA-MM图像库上的实验表明,SG-MRBIR算法明显改善了图像检索性能,特别是第一次用户反馈后就使得平均查准率与广义流形排序图像检索算法(G-MRBIR)相比有所提高,说明了该算法的有效性和优越性。

面向被引片段识别的改进混合方法

【目的】“无监督排序+分类”模式的两阶段混合方法存在无监督排序可靠性较低、分类得到的被引句数量不稳定问题,并且被引片段的识别粒度仅限于单句。本研究对混合方法中的上述问题予以改进以提高其性能,同时解决不同粒度被引片段的识别问题。【方法】提出一种面向被引片段识别的改进混合方法,在第一阶段采用有监督排序从所有被引文献句中筛选出候选被引句,在第二阶段通过回归方法确定最终被引片段。此外,引入包含不同数量连续句子的n元句输入方式以及组内标准化方法以识别不同粒度的被引片段。【结果】在CL-SciSumm 2019和2020竞赛语料测试集上进行测评,本研究所提改进混合方法的句子重合度F1值为0.167;以3元句为输入,采用组内Z值标准化,其句子重合度F1值由0.083提高到0.158。【局限】未使用被引文献句的位置特征;在下游任务中的应用尚待探索。【结论】本研究所提改进混合方法在被引片段识别粒度为单句和多个连续单句时均取得良好效果。