新媒体语境下鲁迅小说《在酒楼上》漫画改编研究

在新媒体语境下,对鲁迅小说与相关图像改编的研究是一个重要的课题。以往对鲁迅小说图像改编的研究,较多从宏观角度对史料进行梳理,疏于对图像艺术进行详细阐释,自然对于文本与画作结合的研究相对较少,所以在论述中不免具有浮泛性和片面性的缺点。以鲁迅小说《在酒楼上》漫画改编为研究视角,将小说置于漫画的创作语境下进行全新思考,将文本与图像进行互照,从改编文本和构图艺术等角度分析改编作品的艺术特点,研究图像所具有的独特精神内蕴,挖掘不同图像改编所体现出的美学特征。

基于多重文本关系图中clique子团聚类的主题识别方法研究

在网络成为最主要科学交流和信息传播渠道的今天,越来越多的机构将其研究成果以电子化形式呈现,这些电子化的文本资源中蕴涵着丰富的语义信息。面对这些海量的资源,科研人员很难在短时间内快速捕获文本中的主旨内容。如何高效准确地呈现文本资源中的核心主题,辅助科研人员对文本集中的重要关联信息进行聚焦,提高科研效率,一直是文本挖掘研究中的一个重要问题。在对现有有益研究成果借鉴的基础上,结合文本中术语和术语关系的特点,论文提出将文本中的术语和术语间的共现、句法和语义关系利用图结构进行表示,识别文本关系图中的紧密关联子团,基于所得到的紧密关联子团聚类来揭示文本子主题的整体研究思路。开展了两个方面的研究:①将文本集中的术语和术语间各种关系属性进行叠加归并,构建多重文本关系叠加模型;②基于clique子团间相似性距离和语义标识,进行聚类识别文本集中所包含的重要子主题。论文采用"migraine disorders"主题中近五年的文献构建文本集,对提出的方法开展了2个有效性实验。实验1与文本中领域专家所给出的标引词按语义类型分组结果对比,结果表明论文提出的方法与领域专家给出的标引词语义类型分组结果具有一致性;实验2与目前广泛使用的LDA方法结果进行对比,在准确率和召回率上都较LDA方法有所提高。2个实验均证明了文中方法的有效性。

基于多重文本术语关系叠加识别文本核心主题的有效性探索

目前基于图或网络进行文本主题挖掘的研究大多是基于单一文本术语关系,而文本是由一系列具有语义信息的术语,按照一定的逻辑结构构成的,这些术语除了物理位置上共现关系外,还存在句法上的支配从属关系和隐含的语义关联,仅利用单一术语关系对文本内容进行分析难免会造成信息的丢失,因此本文尝试将术语间的共现、句法和语义三种关系进行叠加,探索基于多重文本术语关系识别核心主题的有效性。文中选取PubMed数据库2012-2014年"migraine disorders"主题相关的249篇论文进行实验,结果表明术语和关系的叠加使文本主题信息更为凸显,同时存在三种关系的术语和边可表征文本的重要内容。对同时存在三种关系的术语和边组成多重文本术语关系图深度分析显示,叠加术语关系图中所包含的clique子团的边数和结点数少于术语共现关系图,但多于术语语义和句法关系图;在凝聚度最大的前20个clique中,叠加术语关系图中所含clique的凝聚度要高于共现、句法和语义三者中的任何一个,且这种差异具有统计学意义。多重术语关系的叠加平衡共现、句法和语义三种关系,在减少术语共现关系影响的同时增加术语语义和句法关系的优势,将三者含有的信息量进行叠加,克服了单独考虑一种术语关系时造成的信息丢失。

融入句子中远距离词语依赖的图卷积短文本分类方法

随着图神经网络技术在自然语言处理领域中的广泛应用,基于图神经网络的文本分类研究受到了越来越多的关注,文本构图是图神经网络应用到文本分类中的一项重要研究任务,已有方法在构图时通常不能有效捕获句子中远距离词语的依赖关系。短文本分类是待分类文本中普遍较短的一类特殊文本分类任务,传统的文本表示通常比较稀疏且缺乏丰富的语义信息。基于此,文中提出了一种融入远距离词语依赖关系进行构图的图卷积短文本分类方法。首先结合词语共现关系、文档和词语之间的包含关系、远距离词语依赖关系为整个文本语料库构建一个文本图;然后将文本图输入到图卷积神经网络,通过2层卷积后,对每个文档节点进行类别预测。在on_line_shopping_10_cats、中文论文摘要和酒店评论3个数据集上的实验结果表明,所提方法相比已有基线模型取得了更好的效果。

雷达装备故障原因知识图谱构建研究

对雷达装备故障原因文本的分析,有助于定位故障部位,便于装备维修,分析装备性能。利用知识图谱技术对雷达故障原因文本进行知识抽取、表示和管理,可有效提升文本的利用效率,快速定位故障部位,及时分析装备性能。在总结了雷达装备故障原因文本特点基础上,运用模式层和数据层相结合的方法构建了雷达装备故障原因知识图谱。自顶向下定义知识图谱的组织架构、概念类型和概念间关系,形成知识图谱的模式层;针对文本特性,自底向上构建知识图谱的数据层:为解决样本量较小和识别由复合词组成的实体的问题,运用Att-ALBERT-BiGRU-CRF模型进行了实体命名识别;运用ALBERT-BiGRU-Att模型进行关系抽取。实验证明了上述抽取方法的有效性,将抽取出的实体与关系构建了雷达装备故障原因领域知识图谱。