基于LSTM的食品安全自动问答系统方法研究

为高效、准确、全面获取食品安全相关信息,以食品安全文本为研究对象,采用Lucene全文检索架构和长短期记忆神经网络(Longshort-term memory,LSTM)构建了食品安全自动问答系统。依托于从互联网爬取的文本作为非结构化数据集,利用检索架构扩充人工标注的问题答案对规模,并以此训练了可以判断问题和答案候选句匹配程度的LSTM模型。基于Lucene检索机制进行答案候选集提取和基于LSTM模型进行答案提取,构建了一个可根据食品安全相关问题给出答案所在句子的问答系统,并对比了基于Lucene直接检索的答案抽取和基于LSTM的答案抽取这两种方法。结果表明,当候选文档数量增加时,基于LSTM模型的问题答案匹配方法,其平均准确度始终高于基于Lucene检索方法的平均准确度;而候选句子数量较小时,基于LSTM模型的问题答案匹配方法的平均准确度也高于基于Lucene检索方法的平均准确度。

运动员潜力评测系统在学生体能训练中的应用

针对目前运动员测评系统无法挖掘学生潜在体能的问题,本文结合视频分析技术、LSTM技术、高斯混合、视觉时空评价等方法开发了一套适合运动员能力预测评估的系统。该系统在第一人称视频中提取元事件进行预测分析,并构建高度非线性视觉空间,通过卷积神经网络学习,对运动员行为特征进行评估。实验结果表明,本文评估方法相比其他第一人称视角评估模型的预测精度更高,能有效识别学生体能训练的贡献行为和负面行为,并以此为依据对学生体能潜能进行预测评价。