融入三维语义特征的常识推理问答方法

现有使用预训练语言模型和知识图谱的常识问答方法主要集中于构建知识图谱子图及跨模态信息结合的研究,忽略了知识图谱自身丰富的语义特征,且缺少对不同问答任务的知识图谱子图节点相关性的动态调整,导致预测准确率低。为解决以上问题,提出一种融入三维语义特征的常识推理问答方法。首先提出知识图谱节点的关系层级、实体层级、三元组层级三维语义特征量化指标;其次,通过注意力机制动态计算关系层级、实体层级、三元组层级三种维度的语义特征对不同实体节点间的重要性;最后,通过图神经网络进行多层聚合迭代嵌入三维语义特征,获得更多的外推知识表示,更新知识图谱子图节点表示,提升答案预测精度。与QA-GNN常识问答推理方法相比,所提方法在CommonsenseQA数据集上的验证集和测试集的准确率分别提高了1.70个百分点和0.74个百分点,在OpenBookQA数据集上使用AristoRoBERTa数据处理方法的准确率提高了1.13个百分点。实验结果表明,所提出的融入三维语义特征的常识推理问答方法能够有效提高常识问答任务准确率。

图像语义特征引导与点云跨模态融合的三维目标检测方法

受到场景的复杂性和目标尺度变化、遮挡等影响,三维目标检测仍面临着诸多挑战.虽然跨模态特征融合图像和激光点云信息能够有效地提升三维目标检测性能,但在融合效果和检测性能上仍有待提升,为此,提出图像语义特征引导与点云跨模态融合的三维目标检测方法.首先设计图像语义特征学习网络,采用双分支自注意力并行计算方式,实现全局语义特征增强,降低目标错误分类;然后提出图像语义特征引导的局部融合模块,采用元素级数据拼接将检索的图像局部语义特征引导融合点云数据,更好地解决跨模态信息融合存在的语义对齐问题;提出多尺度再融合网络,设计融合特征与激光雷达点云交互模块,学习融合特征和不同分辨率特征间的再融合,提高网络的检测性能;最后采用4种任务损失实现anchor-free的三维目标检测.在KITTI和nuScenes数据集中与其他方法进行对比,针对三维目标检测准确率达87.15%,并且实验结果表明,文中方法优于对比方法,具有更优的三维检测性能.

基于多元语义特征和图卷积神经网络的短文本分类模型

在互联网和社交媒体迅猛发展的背景下,网络中出现了大量的短文本数据,这些数据在舆情监控、情感分析和新闻分类等自然语言处理领域展现出了非常高的经济和学术价值.但短文本数据固有的特征给短文本分类带来了不小的挑战,如文本稀疏和缺乏丰富的上下文语义等.针对这些问题,提出了一种结合多元语义特征和图卷积神经网络(GCN)的短文本分类模型,该模型通过哈尔滨工业大学的语言技术平台获取短文本的多种语义特征,并将这些语义特征同短文本一起构建一个多元异构图,然后将其作为GCN的输入,利用GCN学习短文本更深层特征,最后通过Softmax函数获取每个类别的概率分布,进而实现短文本分类.试验结果表明,本模型在短文本分类的F1评分上比传统单一模型提高了4%.

基于语义特征挖掘的图书馆文献资源智能检索方法

为提升图书馆文献资源检索精度,使检索结果与索引标准、用户需求适配,文章提出基于语义特征挖掘的图书馆文献资源智能检索方法。构建图书馆元数据特征空间,计算特征空间量化结果与特征信息的聚类范围;对图书馆文献资源信息进行编码重构与分布采集,提取图书馆文献资源检索特征;计算特征相似度分数,提取显性关键词;利用加权向量组合控制方法优化图书馆文献检索,实现文献资源智能检索输出。实验结果表明,利用所提方法获取的检索结果,适配度均在98%以上,最高检索精度达到0.97,有较好实际应用效果。

联合核预测和特征推理的渐进式壁画修复算法

针对现存深度模型修复壁画时,未兼顾像素级特征与语义级特征,而导致纹理精细度欠缺、结构扭曲等问题,提出一种联合核预测和特征推理的渐进式壁画修复算法.首先,设计区域渐进模块,通过部分卷积实现壁画特征渐进式映射.然后,提出双分支修复模块,其中核预测卷积分支实现破损区域的像素级修复;而语义特征推理分支中引入门控可变形卷积,并结合语义一致性注意力机制实现特征推理,完成破损壁画的语义级修复.最后,将双分支修复结果融合输出,最大限度地减少重构误差,提升修复精度.通过对敦煌壁画进行数字化修复实验,结果表明所提方法修复后的壁画具备较好的结构纹理特征,在评价指标上优于比较算法.

融合片内语义和片间结构特征的自监督CT图像分类方法

针对CT(Computed Tomography)图像分析存在人工标签稀缺、分类性能不佳等问题,文中提出一种融合片内语义和片间结构特征的自监督CT图像分类方法。该方法利用CT图像的层次结构特性和局部组成要素的语义特点,通过混淆切片生成算法对无标签的病灶部位图像进行处理,生成空间指数和混淆切片作为监督信息。在自监督辅助任务中利用ResNet50网络从混淆切片中同时提取与病灶部位相关的CT片内语义和片间结构特征,将学习到的特征迁移到后续医学分类任务中,使得最终模型从无标签数据中获得增益。实验结果表明,当被使用的有标签数据有限时,相比其他针对CT图像的二维模型和三维模型,所提方法的分类性能和标签利用效率更优。

从语义特征变化看隐喻投射导致的演变--语法化与语义演变类型研究系列之二

本文基于语法化与语义演变的视角,从词义内部——词汇项语义特征变化的情况来重新审视隐喻投射。隐喻投射就是词汇项的多个显性或隐性语义特征中,部分语义特征丢失,保留的语义特征可能进一步变化或抽象化,从而导致词汇项从一个语义范畴进入另一个语义范畴,这源于说话人有意识的创新,是一种突变。隐喻投射产生的往往是实词,不过即使输出端是实词,投射过程中词汇项的语义也常常存在不同程度的虚实变化。

回声构式“X是X”的构件特点、语义特征及互动功能

“X是X”构式借助于一定的语言手段重复前一说话人话语的部分内容“X”,以此表达说话人让步肯定的话语立场,同时,其整体意义的解读不能从组成成分的意义简单相加获得,可命名为回声构式。从构式的组成来看,“X是X”构式的前“X”是后一说话人从前一说话人话语中引入的回声成分,“是”是表示肯定的动词,起“复说”或“拷贝”作用且与后“X”一起表达后一说话人对前一说话人话语“X”的主观评价,不仅具备让步肯定的语义特征,同时还具备回声肯定的语义特征。“X是X”构式以绝对优势的比例使用于对话语体,且处于应答话轮的开端位置,这显示出构式具有极强的互动功能。如果把该类结构的考察范围从对话扩展到独白领域,会发现其评价立场的表达表现为显性互动和隐性互动两种类型。

英语运动动词的语义特征及汉译策略探析

英汉属不同的文字系统,因而运动动词的词汇化模式共性与个性并存,语义和语义实现方式并非对等。英语运动动词的特征主要表现为多个语义兼容的单纯词居多;语义宽泛的上义词下辖若干个下义词,下义词有共同的核心语义,但外围语义的不同导致了下义词词义精准细腻、具体而微。鉴于此,文章针对英语运动动词的汉译进行了简析,提出几个翻译策略,旨在实现翻译时的信息保真和准确达意。

融合模糊层次分析法和特征语义法的交流往复锯形态设计研究

通过对不同品牌交流往复锯的形态分析,明确了用户对交流往复锯的核心需求,包括产品品质、设计美学和功能优化等方面。通过特征语义法提取了形态特征语义词,利用层次分析法构建了需求指标体系,计算了各指标的权重,以确定设计中应优先考虑的因素,并将其应用于设计方案的生成。设计方案以专业级工具中的“绅士”为定位,强调平稳、高效以及自然与机械的和谐共生。采用模糊综合评价法对设计方案进行了评价,验证其有效性和可行性。评价结果显示,设计方案达到了较为满意的状态,为后续的设计改进提供了明确方向。

融合权利要求语义特征的专利价值早期预测研究

[研究目的]探索有效的方法实现对专利价值的早期预测既可为后续高价值专利培育提供更多机会,也可对问题专利等低价值专利进行早期识别,减少公共资源虚耗,对推动知识产权高质量发展至关重要。[研究方法]聚焦现有研究鲜少关注的专利权力要求书,提出一种融合权利要求语义特征的专利价值早期预测方法。首先,对权利要求文本进行解析并提取语义特征;然后融合权利要求语义特征构建专利价值评估指标体系并运用皮尔逊相关性分析方法进行指标优化;最后,结合CatBoost分类模型和SHAP方法实现高价值专利的早期挖掘和低价值专利的早期识别。[研究结论]结果表明,构建的专利价值早期预测模型分类准确率达到90.79%,相较于传统机器学习方法具有准确性更高、解释性更好、适用性更广的优势;首次引入的权利要求语义特征对于预测专利价值贡献显著,融合该特征的指标体系具有一定的优越性。

基于双分支特征融合的电力设备缺陷文本挖掘方法

针对电力设备缺陷文本信息的知识挖掘与分析任务中存在缺陷文本特征信息提取不足、缺陷文本分类精度不够的问题,提出一种基于BERT(bidirectional encoder representations from transformers)的双分支特征融合的电力设备缺陷文本分类模型。首先,对缺陷文本数据进行预处理,删除异常缺陷文本,并归纳了电力设备缺陷文本特点;然后,采用BERT模型作为文本编码器,将文本转化为向量后分别输入至BiLSTMAttention(attention-based bidirectional long short-term memory)模块和多分支CNN(multi-scale convolutional neural network,MCNN)模块,提取缺陷文本语义信息特征和局部关键信息特征;最后,将所提取出的语义特征和多维关键特征向量进行融合,并通过Softmax层实现对缺陷文本分类。与基准模型BERT-BiLSTMAttention相比,其准确率、召回率及F1值分别提高了2.76%、3.58%和4.39%,表明所建模型在缺陷文本分类任务中性能的优越性。

基于磁共振影像组学和语义特征对高级别胶质瘤和转移瘤的鉴别研究

目的本研究旨在结合传统MRI序列及增强检查,提取多模态高通量影像组学特征并联合语义特征,使用不同的机器学习分类器构建不同的模型并绘制列线图来鉴别高级别胶质瘤(high-grade glioma,HGG)和单发性脑转移瘤(solitary brain metastasis,SBM)。材料与方法本研究对101名患者的多参数MR图像进行了回顾性分析,由两位资深医师标定肿瘤感兴趣区,然后对每个序列分别提取影像组学特征后进行组合,共提取428组影像组学特征。为消除人为标定差异,进行组内相关系数一致性检验,并运用最大相关最小冗余算法选取最具相关性的特征,然后进一步通过最小绝对收缩和选择算子算法筛除冗余特征。本研究采用支持向量机、逻辑回归、随机森林及K近邻四种算法建立分类模型。结合放射科医生评估的七项语义特征,通过卡方检验和多因素分析去除差异无统计学意义的语义特征。然后结合组学特征建立综合模型并绘制列线图。最终,评价各模型的诊断能力,以确定最优分类器。结果HGG及SBM患者建立的影像组学模型中LR的受试者工作特征曲线下面积(area under the curve,AUC)值最高,训练集与测试集分别为0.90和0.90。语义特征建立的模型中随机森林模型性能最好,训练集和测试集AUC分别为0.82和0.87。语义特征联合影像组学评分后采用逻辑回归建立的模型性能最好,训练集和测试集AUC分别为0.91和0.92。结论本研究使用影像组学机器学习分类器并联合其他图像语义特征绘制列线图对HGG及SBM进行鉴别,这是一种非侵入性方法,具有较好的准确性,为临床决策和实践提供了较大的帮助。

融合特征语义和模糊层次分析的空铁外观设计研究

目的探究轨道列车与城市文化的关系,提升空铁外观设计中的文化内涵和文化认同,为空铁外观设计与评估提供实践指导和理论支撑。方法以一款A型空铁外观设计为例,提出了一种融合特征语义和模糊层次分析的列车外观设计方法;首先基于模糊层次分析从民族性、地域性和时代性三个准则层出发分析特征语义指标权重,构建多层次评价模型;其次邀请专业设计人员对评价指标、评价层次进行评估,获得准则层与子准则层间的权重矩阵;最后运用模糊综合评价法来评估空铁外观设计方案。结果基于特征语义指标权重分析结果,该方法将特征文化元素——蓝喉太阳鸟,有效地融入空铁外观设计,并经用户评估验证了方法的可行性。结论该方法有助于辨识城市文化特征在空铁外观设计中的重要性,同时,探讨了方案存在的局限性,并提供了进一步优化设计意见,为提升空铁外观设计文化内涵提供参考。

融合句法特征与语义特征的作文自动评分方法

作文自动评分是一种利用自然语言处理技术对作文进行自动评估和打分的技术。作文自动评分能够提升评分效率,降低人工成本,确保评分的客观性和一致性,在教育领域有着广泛的应用前景。尽管句法特征和主题特征在作文自动评分中扮演着重要角色,但迄今为止,关于如何更好地利用这些特征进行作文自动评分的研究还相对不足。本文提出融合句法特征与语义特征的作文自动评分方法 ISSF,该模型采用Parser提取作文的句法特征,采用BERT和适配器的训练方式提取作文的深层语义特征,为了更好地利用作文的主题特征和句法特征及深层语义特征的关联性,采用自注意力机制提取作文的主题特征并用于句法特征强化和深层语义特征强化。实验结果表明,本文提出的ISSF模型在公共数据集ASAP的8个子集上取得了较好的平均性能,相比于通义千问等基线模型,ISSF模型在评分范围较大、评分标准复杂的情况下更具有性能优势。

基于情感特征增强的中文隐式情感分类模型

隐式情感句子由于缺乏显式情感词并且其语义特征无法深入挖掘,导致现有模型进行情感分类时准确率不高。针对这一现状,提出一种基于情感特征增强的中文隐式情感分类模型(CISC),通过构建积极和消极情感词库,并将情感词进行位置嵌入得到情感特征增强的句子,进而提高分类准确率。对句子进行预处理得到对应的词语序列;通过自注意力机制的情感词检测方法进行句子情感词定位并分别嵌入积极和消极词,借助多层注意力网络得到对应的正向和负向的句子表示;分别将获取到的句子表示通过Bi-GRU模型和交互注意力机制(attention over attention,AOA)提取出对应的语义特征;将语义特征分别通过Softmax进行情感倾向概率计算,通过融入积极词的句子正向情感概率与融入消极词句子的负向情感概率进行均值计算并比较,得到最终的情感倾向。与EBA、GGBA等多种模型在SMP-ECISA2019公开数据集进行了比对实验,实验结果证明,提出的CISC模型可以提高中文隐式情感文本的分类效果。

英语多义词词义特有语义特征研究

本文通过语义启动实验研究英语学习者多义词词义特有语义特征的表征状态和加工特点,通过与共享语义特征加工比较,探究特有语义特征在多义词加工中的作用。结果表明,高水平学习者多义词不同频率词义的特有语义特征加工具有优先性,低水平学习者低频词义特有语义特征不具有加工优先性。英语学习者多义词语义特征动态发展,在多义词语义加工中起着重要的作用。

基于改进注意力机制和多语义特征增强的自然环境下枣品种识别方法

针对目前自然环境下枣品种识别准确率较低的问题,提出了一种基于注意力机制和多语义特征增强的枣品种识别模型(ICBAM_MSFE_Res50)。该模型在ResNet-50基础上,引入改进注意力机制(Improved convolutional block attention module,ICBAM),ICBAM采用一维卷积和多尺度空洞卷积对卷积块注意力模块(CBAM)进行改进,消除了特征图降维时的信息损失,降低了模型计算量和参数量,提高了模型对枣果区域细粒度特征的提取能力。同时,提出了多语义特征增强(Multi semantic feature enhancement,MSFE)模块,该模块通过枣果区域定位算法提取更多枣果局部显著特征,并采用显著性特征抑制算法迫使模型学习枣果次要特征,从而达到枣果多种语义特征学习。实验结果表明,在20类枣品种数据集上,本文模型准确率为92.20%,与ResNet-50相比,提高4.26个百分点。对比AlexNet、VGG-16、ResNet-18、InceptionV3模型,准确率分别提高15.84、9.22、6.86、3.55个百分点。对比其他枣品种识别方法,本文方法在20种枣品种识别中表现最优,可为自然环境下枣品种识别研究提供参考。

基于增强特征提取网络与语义特征融合的多方向文本检测

针对自然场景文本长度不定、角度倾斜等难题,提出了一种基于增强特征提取网络与语义特征融合的文本检测方法。通过结合可变形卷积与空洞卷积,设计了一种增强扩张残差模块EDRM(Enhanced Dilated Residual Module),将其应用于ResNet18的conv4_x与conv5_x层,并以此作为骨干网络,在改善网络特征提取能力的同时提高特征图像分辨率,减少空间信息丢失。其次,针对现有算法提取文本语义特征仍不充分的问题,将双向长短期记忆网络BiLSTM(Bi-directional Long Short-Term Memory)引入特征融合部分,增强融合特征图对自然场景文本的表征能力以及特征序列的关联性,同时提高模型的文本定位能力。在多方向文本数据集ICDAR2015、长文本数据集MSRA-TD500上对模型展开评估,实验结果表明,该算法与当下高效的DBNet算法相比,F值分别提升1.8%、3.3%,表现出良好的竞争力。

“X得厉害”的述语及语义特征研究

“X得厉害”是我们生活中常用的程度表达,也是国际中文教学中的一个难点。本文以语义语法为指导,以CCL语料库的调查结果为基准,从句法特征出发探讨述语“X”的语义特征、类型及整个结构的语义特征。研究发现:“X得厉害”中的述语“X”受量段、异态、感性的语义制约,其语义类型有身体的[+不适义],情绪、心理、行为的[+不安义]和事体、物体、环境的[+变损义]。进一步提取出“X得厉害”的超量义,以及多维指向的语义特征。