基于多模态的冷启动饮食推荐算法研究与实现

为帮助用户在海量食谱中找到符合个人饮食偏好食谱,提出一种基于多模态的饮食偏好推荐冷启动算法。该算法分为线上和线下两个阶段。线下阶段,通过表示学习获得食谱各维度信息的语义向量。线上阶段,基于迭代、图相似度传播的思路,通过少量食谱的偏好反馈获得用户对全部食谱的偏好度并推荐。实验结果表明,基于多模态的冷启动饮食推荐算法在实验平台上的准确率达到实际工程应用水平。

融合多模态信息的社交网络谣言检测方法

随着社交网络平台的发展,社交网络已经成为人们获取信息的重要来源。然而社交网络的便利性也导致了虚假谣言的快速传播。与纯文本的谣言相比,带有多媒体信息的网络谣言更容易误导用户以及被传播,因此对多模态的网络谣言检测在现实生活中有着重要意义。研究者们已提出若干多模态的网络谣言检测方法,但这些方法都没有充分挖掘出视觉特征和融合文本与视觉的联合表征特征。为弥补这些不足,提出了一个基于深度学习的端到端的多模态融合网络。该网络首先抽取出图片中各个兴趣区域的视觉特征,然后使用多头注意力机制将文本和视觉特征进行更新与融合,最后将这些特征进行基于注意力机制的拼接以用于社交网络多模态谣言检测。在推特和微博公开数据集上进行对比实验,结果表明,所提方法在推特数据集上F1值有13.4%的提升,在微博数据集上F1值有1.6%的提升。

如何培养学生的英语风采能力——基于多模态的视角下

在全球化的今天,英语演讲不仅能够体现学生的英语综合运用能力,也是衡量各个高校教育教学能力的标准之一。本文从多模态话语的视角下,以"希望之星"英语风采大赛选手演讲为语料,分析结果表明学生应该融合自己的言语活动和非言语的符号来完成话语最大的意义构建和情感的表达。

基于多元数据融合的漠大一线高风险融沉管段安全状态分析

随着我国数字化管道建设的不断推进,对管道数据的应用要求越来越高,目前挖掘管道数据深度价值的应用案例相对较少。针对管道数据存在关联性不强、利用率低等问题,本文基于国内冻土区埋地管道最完整长周期多元监测数据,对漠大一线融沉风险段开展分析及安全评价,从时间尺度和空间尺度分析了融沉风险段管道力学状态和土壤温度场的变化规律及发展趋势,探明了最危险的监测管段,给出了合理的管道运维建议。得到主要结论如下:基于多元数据对管道的安全状态进行评价是一种行之有效的方法;管道的沉降量受到大气温度和土壤含冰量的综合影响,管周土壤含冰量较多地段,管道应力值相应较大;目前漠大一线全线处于安全可控状态,但需长期跟踪监测管道状态的变化,并预先做好维修及处置方案。