汉语复句中分句的语义关联特征

汉语复句层次关系的自动识别是中文信息处理的难点之一,而其中关系标记非充盈模式下无标分句的层次归属以及关系标记充盈模式下某些特殊因果类、并列类有标复句的分句关联的确定更是难中之难。文章提出利用分句语义关联理论来解决这类问题:1)从句法和语义两个角度,总结出标示分句语义关联的3大类14个小类;2)根据特征之间的相互约束规律和语料中分句特征的统计规律,确定特征分析的先后顺序;3)讨论分句间语义关联度的计算方法,根据分句间的关联度,确定分句的层次归属。

面向科技文献的多模态语义关联特征提取与表达体系研究

科技文献资源是一种多模态数据,除文本信息外,还包含丰富的图像、表格、公式、音频、视频等多种模态的信息,有利于用户充分理解科技文献资源中的知识。该文把多模态思想引入科技文献的语义表示方面,对科技文献中的图像、表格和公式信息进行语义分析,与文本信息共同表示文献语义内容,通过科技文献中多种模态信息的语义表示及相互关系完善科技文献内容的语义化表示,发展刻画科技文献对象多态性的表达体系。

基于流调数据的患者关系知识图谱构建

随着新冠感染患者数量的增多,产生了大量与之相关的流调数据.以流调数据为基础,通过分析患者间的语义关联特征可以在个体层面表达疾病的传播过程,深入探讨患者染病的特征分布、患者之间的传播路径等问题.基于此,研究以患者为中心并兼顾语义关联特征,借助知识图谱技术完成对患者流调数据的建模.首先在解析流调数据的基础上定义患者语义关系,据此设计患者关系图谱的模式层.然后,通过识别患者、地点实体,抽取“患者-关系-患者”及“患者-居住-地点”三元组等任务完成数据层构建.最后,利用Neo4j图数据库实现患者关系图谱的可视化并加以分析.结果表明,通过对超级传播源分析和传播路径追溯等层面进行验证,患者关系图谱可以挖掘患者的内在关联、有效整合患者语义关系,表达疾病在患者间的传播过程.

数字文本自动分类中特征语义关联及加权策略研究综述与展望

【目的】探讨目前针对书目、题录信息以及新闻网页、博客等新兴媒体开展的数字文本自动分类研究中存在的主要问题和可能的解决方向。【文献范围】基于机器学习方法的自动分类研究领域中,关于特征语义转换、特征扩展和加权策略等方面的主要研究成果及相关文献。【方法】按照主要研究、关键技术、现有成果水平和今后发展方向等方面进行分析归纳。【结果】针对特征语义转换、特征扩展和加权策略等研究领域,分析问题的现象和原因,指出当前研究在文本语义表示、各种知识库的利用等方面存在的不足。【局限】没有涉及分类过程中分类算法等其他比较成熟的研究领域。【结论】今后可以从向量空间模型与概率主题模型相结合、利用各种外部知识库并提高概念相似度计算能力、结合多种加权策略构建复合加权表示模型等方向开展分类研究,以提高数字文本自动分类的性能。

融合点云和体素信息的目标检测网络

为解决复杂自动驾驶场景下小目标检测效果不佳和漏检的问题,提出一种融合点云和体素信息的高性能网络架构。通过预处理模块、空间语义特征关联模块、坐标注意力机制模块等改进PV-RCNN网络的检测性能,构建网络架构PSC-RCNN。在KITTI上进行验证,实验结果表明,PSC-RCNN在简单、中等、困难3种检测难度的类别下,对于自行车这种形状复杂的小物体识别精度分别为82.99%、67.03%、59.88%,相对原有的PV-RCNN网络,识别精度分别提高了4.39%、3.32%、2.23%;相对于现有3D目标检测网络,识别精度分别提高了0.51%、2.93%、2.23%。