一种消除位置偏差的搜索自动补全深度学习排序算法

搜索提示自动补全是正式提交搜索之前,影响用户输入搜索内容的关键手段之一,是商业搜索引擎不可或缺的核心功能之一。如何提供更好的提示词,是一个排序问题。在机器学习排序领域,收集的训练数据有位置偏差,且会影响训练模型的排序效果,已经是一个较为普遍的认知。针对以上训练数据有偏问题,对位置偏差和相关度使用深度学习分别建模,并结合改进后的上下文语义特征,新设计一种同时学习位置偏差和提示词相关度的深度学习排序算法(An Unbiased Deep Learning To Rank Algorithm for Suggestion Auto-completion,UDLTR-SAc)提升搜索提示自动补全的排序效果。UDLTR-SAc能自动学习训练数据中由于位置引入的偏差,从而学习到更为准确的相关度计算模型,在与没有考虑有偏问题的同类型算法及经典补全排序算法对比上分别获得显著增长;同时,在线上A/B测试上也获得+0.1%(p<0.1)的GMV增长。

基于随机森林的CT前列腺分割

由于低的图像对比度、不可预测的前列腺位置和不确定的肠道气体,CT图像中自动和准确的前列腺分割是一个具有挑战性的问题。本文提出了一个基于随机森林的前列腺分割方法。利用自动上下文模型训练一系列的随机森林分类器,然后迭代地把这些训练好的分类器应用在测试图像上以改进前列腺的分类结果。实验结果表明,相比于其他最新方法,我们的方法性能更好。

基于贝叶斯估计的Context量化器设计方法

介绍了一种基于贝叶斯估计的Context量化器设计方法.通过将自适应码长增量与贝叶斯估计中的先验概率估计进行结合,使得该量化器在不需要先验知识的情况下,既考虑到Context量化本身的特点,又使得编码后信源的自适应码长最短,最终保证了Context量化的自适应性.实验结果表明,该Context量化器设计方法能获得最优量化结果,达到设计目标.

基于上下文语义词库的OCR识别方法

针对目前提高印刷图文版面OCR识别率所存在的技术瓶颈,提出了基于上下文词库的相似字型识别技术,以解决汉字集合中大量存在的相似字符的精确识别问题。实验系统测试表明,新方法对于提高印刷图文版面中相似字型的识别率具有明显效果。

基于全卷积神经网络的肛提肌裂孔智能识别

提出一种智能识别肛提肌裂孔的方法,利用端到端的编码器-解码器结构全卷积神经网络,结合自动上下文模型思想,分割出人体盆底超声图像中肛提肌裂孔,采用全连接条件随机场加强边缘约束,对分割结果实现精细化处理,实现肛提肌裂孔的智能识别.通过对372张盆底超声图像进行智能识别,并与医生手动标注结果对比,两者重合率达到95.16%,优于传统卷积神经网络模型,证实基于上下文及条件随机场的神经网络方法能有效识别肛提肌裂孔,具有重要临床应用价值.

“新车推介”典型工作任务学习情境设计

设计典型工作任务,将汽车销售中非常重要的任务新车推介转化为学习情境,体现了工学结合一体化课程开发理念。

汽车零件商运用装配商知识的情境分析

本文旨在厘清汽车装配制造商的技术知识运用于零部件制造商创新中的真实作用,即探讨在不同的创新情境中的不同作用。提出两个维度作为区分不同情境的基础:零件商创造能力和创新的激进程度。交叉这两个维度得到四种创新情境,分别讨论零部件制造商在各种情境中运用装配商知识的作用。以美国汽车行业中的零部件制造商作为研究对象,以他们发布的专利作为样本,以专利数据构建变量,开展了实证研究。结果显示,只有在"能力弱的零件商开展渐进创新"情境中,运用装配商知识会对创新质量产生显著的促进作用。另外一个重要的结果是,在"能力强的零件商开展激进创新"情境中,运用越多装配制造商知识,创新质量越差;进一步探索发现,在这种情境中零件商应当从更广泛的外部来源中获取知识,并加以运用。

语境视域下英汉反义同词的语义解读

反义同词是指共时或历时层面在同一语义范畴和语法范畴内兼有至少两个相反或相对义项的词,它是一种特殊的一词多义现象。反义同词的反义内涵包括相对性反义、互补性反义、换位性反义和反向性反义。反义同词语义具有多义性、模糊性或不确定性,具体语境中的语义解读需要语言语境、情景语境和文化语境结合交际主体的认知能力与百科知识进行语用充实。