基于文本标签属性的网页信息抽取方法研究

伴随着互联网的飞速发展,网络上的信息资源呈现出井喷态势,如何从海量的信息中抽取出自己需要的信息已经变得越发的困难。在分析现有Web信息抽取技术现状及面临的挑战的基础上,设计了一种基于文本标签属性的Web新闻信息抽取模型。主要介绍了基于标签的Web信息抽取技术的算法,给出了信息抽取的具体实现过程,对基于DOM树节点遍历的文本标签过滤算法进行了描述,并选取了主流的新闻网站进行了抽取实验,验证了算法的可行性。

基于改进的残差神经网络的服装标签属性识别

近年来服装电商的迅猛发展使得服装图像的属性标签识别具有广泛市场需求,而服装图像自身具有的特殊性使其在识别中更具有挑战性。鉴于深度学习算法已经在语音识别、图像处理等多个领域取得的巨大成功,论文设计了一种基于残差神经网络ResNet50的深度学习模型,即Res-FashionAINet,将其应用到服装的标签属性识别上。通过数据预处理、模型训练和属性预测三个步骤进行实验,在来自真实购物平台的服装图片所组成的FashionAI数据集上,取得较高的识别准确率,在服装属性识别问题上具有一定优势。

基于属性标签的Web数据挖掘

Div+CSS流行于Web页面的布局,在这种布局下,网页中很多数据记录以重复结构的形式聚集在一个层级。提出一种基于属性标签的Web数据提取的方法,构造带有属性标签的DOM树,通过比较属性标签的值挖掘重复模式,制定三个规则排除干扰模式,找到数据域,进而从数据域中提取出数据记录。

基于深度学习的服饰属性标签识别技术

在对深度学习领域和神经网络结构深入探究及理解基础之上,针对现有方法大都基于服饰整体而忽略服饰细节要素特征的问题,本文设计并实现一种基于深度学习的服装属性标签识别的方法,采用来自阿里电商数据的网络服饰图像数据库,基于深度学习的神经网络快速高效地完成服饰图像中关键特征信息的提取,并基于提取的数据特征进行建模分析,从而达到对服饰属性的精准识别与分类。实验结果表明:该方法能有效地实现服饰属性标签的识别与分类,分类准确率有效提高,可有效解决服饰属性标签识别分类困难的问题,实现服饰图像局部属性的高效识别分类。

面向多租户的属性标签分层方案

Saa S模式中租户与服务商之间一直存在信任问题,将服务商与租户分开管理,借助标签跨域访问则存在效率瓶颈和标签安全的问题。利用属性特征结合标签,设计出一个针对多租户跨域访问的方法,将标签根据属性分类管理,再把跨域访问的权限赋予各属性标签,实现平台内通过属性标签的跨域访问。最后,通过实验和分析验证了该属性标签保护方法的高效性。

基于NMF的社团及属性标签发现方法

社团发现是社交网络分析的重要任务,有助于理解网络结构.目前基于网络拓扑的社团发现算法无法对发现的社团进行语义分析,例如社团的成因或属性等.拓扑结构和语义分析从两个角度对社团进行描述,但目前很少有研究同时分析这两个特性.本文提出基于联合非负矩阵分解的方法,将网络拓扑和节点内容信息(如节点属性等)结合起来,同时挖掘社团及其属性标签.该方法通过约束从拓扑和内容信息挖掘出的社团的相似性以及社团间关系的相似性,提高社团发现的准确率,并且从节点属性信息中挖掘社团的属性标签对社团进行语义分析.真实数据集上的实验结果表明,该方法能够有效地发现社团并对社团进行语义描述.

GY/T 360—2022《广播电视和网络视听节目内容标识标签规范》标准解读

本文对GY/T 360—2022《广播电视和网络视听节目内容标识标签规范》进行了解读,详细介绍了标准制定背景、编制过程、设计思路、主要内容、文本结构、编制原则等,为各单位和机构开展相关工作提供参考依据。

基于多属性的专利知识表征与组织

针对专利知识传统获取方式中存在的技术领域局限,利用矛盾、物质-场、功能、发明原理、标准解和效应等6种创新属性构建专利知识多属性表征模型;每种创新属性均采用对应的属性层次树进行多层次描述,并由此提出了基于多属性的专利知识多层次组织策略及算法流程;在此基础上,给出了基于该模型的应用框架.通过上述方法构建得到基于多属性多层次的本地专利库,从多个属性角度对专利知识进行综合表征,并支撑不同层次专利知识的获取.从而,打破了技术领域的局限,促进跨学科、跨领域专利知识的快速、有效获取,有利于激发设计人员进行类比迁移.最后,通过微纳空心镍球制备方法的改进示例说明该模型的可行性.

Fea2Lab:基于多标记学习的特征到标签生成模型

传统多标记学习方法通常只考虑和示例相关联的单个特征向量以及无差别地预测全体标签,从而忽视了与示例相似的其他示例及隐含的标签属性,造成输入空间特征信息较少、标签属性被忽略和对大标记空间预测效果差等问题.为解决以上问题,文章转化传统多标记学习任务为多标记学习的序列到序列任务,并由此提出新的多标记学习标签生成神经网络模型(Fea2Lab模型):通过交错的顺序排列示例和相似示例形成链式特征向量序列,来增加输入空间特征信息;通过挖掘标签属性来有差别地预测标签;通过在解码流程中使用全局标签信息,来缓解预测过程中出现的错误标签级联问题.在多个数据集上的实验结果和消融实验表明转化任务和Fea2Lab模型的合理性、可行性及有效性.

选择性传输与铰链对抗的多图像域人脸属性迁移

在基于生成对抗网络的人脸属性迁移过程中,存在图像域表达形式单一、图像域迁移细节失真的问题。提出一种结合选择性传输单元与铰链对抗损失的多图像域人脸属性迁移方法。在生成器中,利用自适应实例归一化融合图像的内容信息与图像域控制器生成的样式信息,增加图像域表达方式的多样性,同时通过选择性传输单元将下采样提取的内容特征根据相对属性标签选择性地传输到上采样,形成融合特征以增强图像的细节信息。在判别器中,通过增加双尺度判别,协同鉴定人脸图像的真伪及类别,从而提高判定的准确度。在此基础上,设计融合相对鉴别和铰链损失的对抗损失函数,增强真伪图像域之间的联系。在CelebA数据集上的实验结果表明,与StarGAN、STGAN等主流的多图像域人脸属性迁移方法相比,该方法能够建立更准确的多图像域映射关系,提高迁移图像的质量同时增加迁移图像表达的多样性。

基于PACA的复杂空中目标战术意图识别方法

针对战场中空中目标航迹动态性、时序变化性及意图多样的特性,提出一种基于端到端类属属性学习的识别方法,作为智能多意图识别模型的基本框架。融合目标航迹中的时序特征及属性特点,通过压缩及修正预处理统一输入编码信息,封装专家的知识经验为标签,学习指挥员战时情况判断的思维方式,消除其隐蔽性、欺骗性和对抗性所带来的干扰因素,得出特定目标的复杂战术意图。通过仿真实验,采用常用多分类评价体系分析端到端训练方式对结果的影响,以及与相关方法的对比分析表明,所提算法针对多意图识别更具有效性和参考价值,可用于支撑作战筹划系统建立非合作目标与保卫要地的关联关系。

基于项目库的两阶段项目综合决策优化

面对从数量庞大且不断变更的电网项目中筛选出能够最大程度满足各方面要求的项目这一复杂且具有很高实用价值的问题,提出了能够适用于不同评价体系和评分方法的基于项目库的项目综合决策优化方法。建立了由具有多重属性标签标识的项目所组成的完备项目库。构建项目优选的两阶段决策优化方法即根据每个项目的属性标签与约束条件的匹配程度进行筛选以加快优化进程,再在同时可实施的项目中根据项目组合整体的计算数据进行二次筛选。通过各种优选算法的特点分析,结合电力项目自身特性确定采用混沌人工蜂群方法作为项目决策过程中适用的智能算法。通过算例分析,验证了该方法的实用性。

基于协同过滤的学习资源推荐算法

为了全面分析用户兴趣数据,提升用户对推荐结果的满意度,提出一种基于协同过滤的学习资源推荐算法。分别将课程偏好、知识范围度以及教师偏好作为特征参数,结合用户的历史行为数据,对其进行全面提取。根据提取结果,以特征参数为基础,为学习资源构建属性标签,通过计算标签与用户兴趣特征的相似度,确定最终的推荐结果。测试结果表明,用户对设计算法推荐的图书资源、视频资源以及线上课程资源学习程度均高于对照组,也对资源推荐结果表现了较高的满意度。

基于知识库的IFC模型检查方法研究

随着建筑信息模型(BIM)技术在国内外建筑领域的发展,工业基础类(IFC)作为BIM开放数据标准得到了广泛应用。IFC模型的几何与语义表示方式较为复杂,而且模型规模逐渐增大。现有的基于内存或固定路径查询的模型自动检查方法面临着时间、空间效率与查询复杂度的挑战。为此,提出一种基于知识库的IFC模型检查方法,通过将IFC模型解析与建模为属性标签图(LPG),并存储入图数据库,形成了可推理与灵活查询的结构化知识;依托知识库的建立,提出了基于属性链路推理与剪枝的IFC语义信息检查算法和相关几何信息检查算法,开发了IfcGraph自动化检查系统,实现了模型高效存储、灵活检查,提高了模型自动检查的效率与易用性。最后,通过实际工程项目对提出的方法与相应系统进行了可行性的验证。

求解异车型同时集送问题的多属性标签算法

针对实际运输中顾客对不同车型、同时集送货物的多样化需求,文章建立了异车型同时集送车辆路径模型(vehicle routing problem with heterogeneous fleet,simultaneouspickup and delivery,VRPHSPD),并构建了基于多属性标签的蚁群系统算法(multi-label based ant colony system,MLACS)进行求解.该算法利用面向对象理念,分别对客户、车辆及其行驶路径构建多属性标签,首先用近邻法生成初始路径,再通过蚁群算法的搜索规则对客户和车辆标签进行匹配,从而得优化的结果.通过公开算例、实际应用案例的验证表明,MLACS算法能成功求解VRPHSPD问题,具有较高的求解质量、运算效率以及实际应用意义.

.NET中变量绑定方法面面观

在.NET编程中经常会碰到在前台代码中要使用或绑定后台代码中变量值的问题。一般有<%=…%>和<%#…%>两种方式。前台即通常的.aspx文件,后台指的是与aspx相关联的CodeBehind,文件后缀名为.aspx.cs。一般来说,在前台代码的三种位置可能会用到(绑定)后台变量:服务器端控件属性或HTML标签属性、JavaScript代码中和Html显示内容的位置。

基于WEB新闻内容的信息抽取方法研究

伴随着互联网的飞速发展，网络上的信息资源呈现出井喷态势，如何从海量的信息中抽取出自己需要的信息已经变得越发的困难。在研究网页结构特性、分析HTMLDOM树结构的基础上，设计了一种基于文本标签属性的Web新闻信息抽取模型，针对由网页脚本动态生成的内容的抽取，设计了一种脚本动态生成的网页信息抽取模型。主要对两种Web信息抽取技术的算法模型进行了描述，给出了信息抽取的具体实现过程，并选取了主流的新闻网站进行了抽取实验，验证了算法的可行性。

融合多种特征的实体对齐算法

针对单一百科社区实体信息覆盖不全,不同百科社区虽可信息互补但数据异构而且分类体系不同,导致自动抽取知识有歧义、效率低的问题,提出一种融合实体名称、实体摘要关键词集合、实体类别、实体属性-属性值序列等多种特征的百科实体相似度计算方法,综合运用多种百科社区的知识资源自动对齐同义实体。实验结果表明,在准确率上本文算法优于基于网络语义标签的实体对齐及基于实体属性与上下文主题的实体对齐等算法。

基于图像描述的人物检索方法

监控场景中特定人物的检索是安防领域重要且迫切的需求。近年来,图像检索领域的方法主要基于图像内容的方法,但是由于该类方法需要待检索图像作为输入,无法满足监控安防的实际需求。提出一种基于图像描述的人物检索方法,并提供一个标注了人物描述的监控数据集SPCD。在此数据集上验证该方法,性别预测准确率达到86.5%,服饰颜色的匹配准确率达到93.5%,行为分类的准确率达到65.5%,为监控场景中的人物检索提供了一种新的有效方式。

互动反馈系统支持下的教学质量管理监控——以深圳市罗湖外语学校为例

本研究以建立教学的全面质量管理体系促进教学质量提升为目标,依照"以学生发展为焦点、全员参与、全程关注、全面细致、及时反馈、持续改进"的原则,借助物联网技术构建简洁、实用、稳定、高性价比的互动反馈系统,在具有多重属性标签学科题库的支持下,对学生学的行为、教师教的行为、教学效果、学习习惯等各种信息进行实时采集、即时统计反馈,优化教学过程,促进教学质量提升。