基于排序学习的文本概念标注方法研究

提出一种基于排序学习的方法 CRM(concept ranking model),来实现文档的维基百科概念自动标注。首先人工对一定规模的文档进行概念标注,建立训练集合,然后利用排序学习算法在多项特征上得到对概念排序的模型,利用这个概念的排序模型对任意文档进行概念标注。实验表明,相对于传统的文档概念标注方法,此方法在各类指标上都有相当大的提高,标注结果更加接近人类的概念标注。

基于多通道卷积神经网络的非结构化数据标注

非结构化数据存在差异性,对标注模型的构建存在不足,影响标注质量。提出基于多通道卷积神经网络的非结构化数据标注方法。建立Hive分布式查询框架,对其中与标注目标相关的数据进行相似性查找,同时建立众包标注集,确定相关标注概念。对标注集中的标注差异性,利用多通道卷积神经网络对其差异性进行确认,并确定标注任务函数。利用标注任务函数,建立任务标注模型,利用模型中求得函数解值完成标注任务。为了验证设计的非结构化数据标注方法的可行性,实验结果证明设计方法下得到的标注质量更高,方法性能更好,满足设计初衷。

概念间关联依赖多标记视频语义概念分类方法

一个镜头中的语义概念通常依赖于其他多个语义概念,几个同时出现的语义概念决定着另一个语义概念的出现。为此提出一种概念间关联依赖多标记视频语义概念分类方法。为得到概念间关联依赖规则,合并和修剪技术用于产生候选的项集;计算各候选项集的支持度后,得到满足最小支持度的频繁项集;经过一系列频繁项集迭代,产生具有强关联依赖关系的复合标记;在标记过程中,将具有强关联依赖关系的多个语义标记作为单标记进行标注。实验结果表明,对真实媒体数据本文方法比现有多标记分类方法更能有效进行分类。

利用频繁模式挖掘进行图像标注

在基于内容的图像检索与计算机视觉研究领域中,如何将底层的视觉特征与高层的语义信息相联系,即如何有效地根据图像的底层特征提取其表达的语义概念是备受关注的难题之一。特别是当图像包含了多个语义概念时,问题就变得更为棘手了。本文中,我们提出一种基于图像底层特征值频繁模式的语义概念标注方法,针对图像分块的特点实现了一组有效的模式挖掘算法,并设计了标注规则的生成算法。权威的真实数据集上的实验表明我们的方法在对含有多个语义概念的图像进行概念标注时要比之前的一些算法效果更好。

一种通过去噪来提高图像标注性能的方法

提出一种通过去除噪声来提高分层高斯混合模型的图像标注性能的方法.在有监督多概念标注(Su-pervised Multiclass Labeling,SML)中,它采用了分层高斯混合模型,有效地把大量的表示图片的高斯混合模型聚类成一个表示某概念类的高斯混合模型,从而很容易实现图像的分类和标注.通过引入去噪过程,减少了图片中与概念不相关的高斯分量,消除了噪声高斯分量对分类器的负面影响,从而提高了分类性能.基于TRECVID2005数据的图像标注实验证明,该方法可以取得比SML方法更好的标注性能.

基于潜在语义索引的文本浏览机制

文本浏览是伴随着因特网上日益增多的在线文本而出现的辅助阅读机制 ,本文给出了基于潜在语义索引的文本浏览机制。它吸取了潜在语义索引和概念标注的优点 ,利用潜在语义索引 ,减少词汇间的“斜交”现象 ,在语义空间上进行项与项、文本与文本、项与文本之间的相似度计算。利用概念词典将文本特征项按语义分类 ,给予层次分类以确定的含义。最后 ,实现以分层概念为基础的信息导航。

可视化文本分类树浏览机制

为了高速度、高质量地浏览网络上的大量中文文本,提出了一种文本凹凸树结构的可视化浏览机制,并给出其形式描述.通过以关键字和概念词典标注的最小概念集标识结点建立文本分类的层次树结构,为用户快速浏览文本提供有效路径.通过统计方法进行文本抽取,按大纲、逻辑主题词段落和浏览文本内容,提高了搜索查询速度与阅读效率,满足了用户快速、主动浏览文本的需求.

基于本体的监控视频语义事件探测

为了探测视频高层复杂事件,架构了一个视频事件分析框架,采用本体和Petri网进行推理从而获取复合事件;运用视频语义本体标注算法分析低层视频语义,在高层构建一个视频事件分析本体,将低层本体映射到事件分析本体表示高层视频事件;通过本体和扩展Petri网结合的方法对监控视频中的事件进行图形化异步事件推理;最后用semantic Web rule language(SWRL)规则表示视频监控事件的探测。实验证明,提出的方法比基于模式识别的事件探测方法更加有效。

知识信息搜索和获取技术的研究

讨论了自然语言处理应用于知识信息搜索和知识信息获取的若干问题,阐述了概念标注、完善基于词典的知识库的处理手段.同时,对中文知识信息获取技术涉及的具体语言处理技术也作了较为详尽的论述,包括知识信息获取的短语句法及语义表示和知识信息获取的实现.

一种文本信息抽取技术的研究

文章针对特定领域的中文文本建立了一个信息抽取模型,阐述了根据信息模板和领域特点进行概念分类的方法,介绍了采用隐马尔可夫统计模型进行自动概念标注的过程,提出了运用概念过滤、模板匹配方法进行抽取信息的思路。在模型基础上实现了一个信息抽取实验系统,并通过实验证明了此模型针对特定领域文本是有效的。

基于用户熟练度的任务分配众包算法

针对知识图谱中数据的获取问题,提出了一种基于用户熟练度的众包任务分配机制。首先,对标注者进行简单的概念关系标注培训以获取标注者标注数据,然后,将知识概念的关系标注任务按标注者历史标注的加权准确率进行分配,最后,引入专家审核和反馈机制,在保证知识概念关系的整体数据标注精度的同时节约时间和人力成本。在构建知识图谱的过程中,可以高效地提高图谱中数据精度,有效地聚合整理课程资源,为下游的任务提供基本的数据支持。