从关系数据库到面向对象语义数据库的语义捕捉和模式转换

本文提出了一个从关系数据库到面向对象语义数据库的两段模式转换方法，该方法 以语义确谯基础的，包含在局部关系模式中的语义可分为２类：一类是关系内语义，它是包含在一个避部关系模式内的语义；另一类是关系间语义，它是包含在局部关系模式之间的语义，第１阶段主要是将关系内语义捕捉到全局集成模式中来，而第２阶段则是将关系间语义通过模式重操作添加到全局集成模式中来。

基于特征融合的中文新闻文本情感分类方法研究

针对现有的新闻文本情感分析任务中,单一模型提取文本特征的片面性,且无法充分提取新闻文本语义等特征问题,提出一种基于门控单元特征融合的BERT-CNN情感分析方法。该方法分别采用BERT语言预训练模型与卷积神经网络(CNN)对新闻文本的特征向量进行提取;然后采用门控循环单元对提取到的文本特征进行特征融合;再输入到Softmax层进行新闻文本分类;最后从精准率、召回率和F_(1)-Score三个维度对比BERT、BERT-CNN、BERT-DPCNN和BERT-ERNIE的实验结果。实验结果表明,当分类场景更换为情感识别时,BERT-CNN依旧具有强大的语义捕捉能力,证明了BERT-CNN的泛化能力;另外,从原BERT的提升效果看,基于门控单元特征融合的BERT-CNN方法(提升2.07%)比词向量的方法(提升0.31%)更高。这一结果也证明了基于门控单元特征融合的BERT-CNN方法的有效性。

基于改进MobileNetV2和主从网络的行人重识别方法

为增强行人重识别的适应性和通用性,提出了一种基于改进MobileNet-V2和主从网络的行人重识别方法。方法通过实例归一化(IN)和批归一化(BN)模块对MobileNet-V2进行改进,并将其作为骨干网络。此外,使用两个相同架构的骨干网络分别作为主网络和从网络,将主网络学习到的目标外观多样性特征传递给从网络,提高整体网络的语义捕捉能力,丢弃无用的背景和相机视角信息并将注意力集中在重要细节上,从而取得比主网络更好的行人重识别性能。实验结果表明,所提主从网络比主网络的平均识别mAP提升了3.83%,且整体性能显著优于其他先进方法。