Focus+Context语义表征的场景图像分割

场景图像分割一直是机器视觉学习中较为复杂的重难点问题.本文在机器视觉注意力机制学习方法的基础上,融合人类对事物个体的认知,提出场景对象的Focus+Context语义表征,将对象类别信息带入图像底层特征学习中,运用概率统计理论,在抽象层上建模局部区域对象,再联合上下文语义信息推理全局与局部区域对象之间的关系,以实现类内焦点对象(Focus)突出的场景语义分割.实验验证,基于Focus+Context的语义表征和建模能够增加对象的识别率,尤其是在小样本环境下,所提出的方法能极大地简化场景的理解.

一种基于Context Graph主题爬行算法的改进

为了解决传统的基于上下文图形爬行模型爬取效率低、特征词提取不精确的问题,本文采用了在现有的技术支持上,融入机器学习算法的思想,设计并实现了一种改进的基于主题的爬虫算法,结果表明该算法是有效的.

TopicEye:一种基于可视化分析的探索来源不同话题的可交互方法

为了更好地支持不同语料源中话题的集中分析,提出一种可视化分析的方法,可将不同来源文本中相关或独立的话题进行紧密聚类,构成一幅话题全景图,实现高效地交互式话题分析。该方法首先采用相关话题建模的方法,从不同来源的文本中抽取话题,然后,提出一系列交互式的可视化方案,从不同的角度,清晰地展示每个话题的观点和话题之间的关系,使用户可以更深入地分析和理解随着时间的变化,不同来源的文本之间的关系和各自的特点。该可视化分析方案不仅是可交互的,而且能从不同的层次和粒度来表现文本话题之间的关系。最后,将该方法应用于3种来源的论文集,并与专家共同对其进行定性评估,通过对现实世界的案例研究,验证该方法的有效性和鲁棒性。

基于多尺度上下文的英文作文自动评分研究

目前作文自动评分模型缺乏对不同尺度上下文语义特征的提取,未能从句子级别计算与作文主题关联程度的特征。提出基于多尺度上下文的英文作文自动评分研究方法MSC。采用XLNet英文预训练模型提取原始作文文本单词嵌入和句嵌入,避免在处理长序列文本时无法准确捕捉到符合上下文语境的向量嵌入,提升动态向量语义表征质量,解决一词多义问题,并通过一维卷积模块提取不同尺度的短语级别嵌入。多尺度上下文网络通过结合内置自注意力简单循环单元和全局注意力机制,分别捕捉单词、短语和句子级别的作文高维潜在上下文语义关联关系,利用句向量与作文主题计算语义相似度提取篇章主题层次特征,将所有特征输入融合层通过线性层得到自动评分结果。在公开的标准英文作文评分数据集ASAP上的实验结果表明,MSC模型平均二次加权的Kappa值达到了80.5%,且在多个子集上取得了最佳效果,优于实验对比的深度学习自动评分模型,证明了MSC在英文作文自动评分任务上的有效性。

CCSD:面向话题的讽刺识别方法

随着社交媒体的发展,越来越多的人在社交平台上发表对热点话题的看法,其中讽刺手法的运用严重影响了社交媒体中情感分析的精度。目前面向话题的讽刺识别研究未同时考虑上下文和常识知识的作用,也忽略了在同一个话题下进行讽刺识别的场景。为此,提出了基于上下文和常识的讽刺识别模型(Sarcasm Detection with Context and Common Sense,CCSD)。首先,模型使用C 3 KG常识库生成常识文本,并将目标句、话题上下文和常识文本作为预训练BERT模型的输入。其次,使用注意力机制来关注目标句和常识中重要的信息。最后,通过门控机制和特征融合,实现讽刺识别。文中构建了一个面向话题的讽刺识别数据集,以验证模型在特定话题中的有效性。实验结果表明,相比基线模型,新模型的性能更优。

基于改进主题模型方法的三级短视频用户画像的研究

针对如何从海量短视频数据、用户数据、交互数据中快速抽象出精准的用户兴趣的问题,提出了基于主题模型的三级标签用户画像构建方法。基于主题构建方法,将融合的LDA和GSDMM主题模型所获取的视频主题词作为用户兴趣表达向量。首先,搭建了LDA过滤器,通过比对阈值剔除与主题无关的文本信息,缩小文本规模,降低非主要语料对于兴趣表达向量生成的影响。然后,提出结合语义信息和语境信息的特征词权重矩阵的构建方法,使用Bi-GRU神经网络计算词向量的上下文特征,并将其作为语境特征,使用TF-IDF算法计算出的词频权重作为语义特征,结合语境和语义特征扩充特征词含义。最后使用带有兴趣权重分配的GSDMM模型学习特征向量权重矩阵,实现用户兴趣标签生成和用户不同喜好程度影响下的兴趣权重修正。实验结果表明,该方法能够比较完备准确地表征用户画像,优于单一的主题构建方法,并且在聚类效果上表现出色。通过构建完备的用户画像,能够精准把握用户痛点,为后续个性化推荐提供服务。

我国情报学发展脉络——基于《情报理论与实践》创刊60年文献主题识别与演化研究

[目的/意义]正值《情报理论与实践》(ITA)创刊60周年之际,从主题挖掘的视角回顾ITA发文内容,为了解我国情报学发展脉络提供参考。[方法/过程]按照期刊名,在中国知网采集ITA所有学术论文题录数据,检索时间范围为1980—2023年9月,以5年为一个考察窗口,共划分为9个阶段。采用BERTopic主题模型进行主题识别,分别考察全局和阶段主题分布、主题强度演化和主题内容演化特征。[结果/结论]ITA理论性文章占比稳定增长,促进了学科理论的繁荣发展;ITA办刊方向十分明确,办刊特色较为鲜明,自创刊起,始终关注国家科技发展需求,紧密跟踪国内外科技创新动态,创刊初期就致力于情报工作、科技情报和竞争情报相关研究且坚守至今;ITA展现出较为宽广的学术视野和丰富的知识体系;在不同时期,ITA始终把握学科研究核心、引领学科前沿;新兴技术密集涌现,正逐渐重塑学科研究范式,新兴技术为ITA研究主题的多样性和交叉性注入新血液,并推动了研究主题的加速演化。

新媒体时代的语用学研究——第十八届全国语用学研讨会综述

新媒体语境中的语言与交际是语用学研究的一方沃土,同时也促使研究者针对新语言现象重新审视现有的语用学理论、研究范式和解释机制。基于第十八届全国语用学研讨会的主题,本文梳理了新媒体时代下语用学研究的主要议题,结合相关研究总结了新媒体语境下语用学研究的新特点,并讨论了新媒体背景下语用学研究面临的机遇和挑战,以期在选题和视角等方面为我国语用学研究提供些许借鉴与启示。

中国考古学的重大课题

学术重大课题是引领学科发展的具有前瞻性的方向标。2014年美欧考古学界就未来25年的考古学发展推出了25个重大课题,在国际考古学界产生了较大影响,同样有必要探讨中国考古学的重大课题。分析中国考古学的重大课题需要结合学科所处的内外背景关联。回顾百年中国考古学发展,可以看出不同阶段重大课题的引领作用,最终指向是要建立自主学术体系。展望未来,主导中国考古学发展的时代精神应该是超越,包括摆脱对西方学术体系的依赖,建立中国考古学的主体性;超越既有的主流范式,拓展学术领域;超越考古学的学科范畴,参与讨论与人类社会发展相关的重大问题;超越中国的研究范围,研究世界文明等。归根结底,是要建立一个具有创新与开拓能力的自主学术体系。

高职院校中文教学“生活化”课堂构建策略刍论

高职院校在中文教学中采取生活化方式,可将中文学习与实际生活联系起来,这既有助于激发学生的学习兴趣,又有助于提高课堂教学效率和学生的学习效率。在构建生活化课堂时,教师要分析中文教学存在的问题及成因,然后在此基础上积极拓宽知识获取渠道,创设生活化教学情境,同时结合专业特点开展实践活动,完善教材体系,成立课题小组,以此提高学生的语言运用能力和语文学科素养。

基于ODP的上下文主题描述方法

针对以往主题描述方法未充分考虑主题上下文的问题,提出了基于ODP(开放式分类目录)的上下文主题描述方法.使用新的特征选择算法对主题特征进行了确定,并使用分类主题树的上下文对主题描述方法进行优化以提高主题爬行的性能.实验表明,该特征选择算法能够有效地提取出主题特征,并在保证正确率的基础上尽量减少特征维数以提高计算效率.同时,该主题描述算法充分考虑了主题上下文关系,且无论是在准确性还是在信息量总和上都有良好的性能.

基于社交平台的图书话题设计

基于社交平台的图书话题设计以低成本能耗完成了图书销售从"跑马圈地"到"精耕细作"的颠覆性转变。场景建构和价值观凝聚是图书话题设计的重要目标,故事言说、人格背书、惊喜制造是图书话题设计的具体策略。

一种用于本体排序的内容分析方法

针对使用传统的用于本体排序的方法得到的排序结果不够准确的问题,提出了一种新的内容分析方法。首先通过构造本体的概念模型提取本体的主题词集合得到本体的主题相似度;然后通过对关键词所在的本体上下文进行分析,得到本体相对于关键词的上下文相关度;最后结合主题相似度和上下文相关度得到本体相对于关键词的综合评价值并进行排序。实验结果表明,该方法可以有效地提高本体排序的准确性。

话题句识别中候选话题句评估函数的优化

为了更好地解决汉语标点句句首话题缺失的问题,需要在话题句识别过程中优化用于评估候选话题句优劣的评估函数.为此,提出了话题句生成的上下文相似性特征、话题串与评述相邻接的局部相似性特征,并设计了相关的评估函数.实验结果表明:综合运用这2个评估函数,话题句识别的准确率提高了5.72个百分点.

一种基于位置社交网络融合多种情景信息的兴趣点推荐模型

针对现有位置社交网络兴趣点推荐的研究工作主要集中在挖掘兴趣点的情景信息:时间信息、地理位置和评论信息,其中评论信息对用户偏好的影响尚未充分研究的情况,提出一个统一兴趣点推荐模型。其融合了用户偏好模型和上述三种情景信息,对用户偏好建模采用基于签到次数的度量方法,同时对评论信息采用基于潜在狄利克雷分配主题模型来挖掘用户偏好。实验结果表明,该模型在推荐准确率等多种评价指标上都取得了更好的结果。

基于潜在主题的混合上下文推荐算法

针对单个环境上下文中项目访问记录稀疏的问题,推荐系统难以获取与当前环境上下文关联的用户偏好。该文设计了一种新的上下文关联性推荐(CTRR)算法。CTRR算法通过CTRR_LDA模型求解推荐项目出现在特定环境上下文的概率,并结合上下文后过滤推荐算法,对用户进行推荐。CTRR_LDA模型是在(LDA)模型的基础上,结合环境上下文和项目特征上下文,提出的项目与环境上下文的关联概率模型。该模型将环境上下文划分为多个环境上下文因子,每个环境上下文因子表示为K维的主题分布,挖掘环境上下文因子中项目出现的潜在主题特征。利用LDOS-CoMoDa网站上真实的电影数据集进行实验,验证了算法的可靠性。

论移动出版选题的场景思维

近年来流行于移动媒介研究领域的“场景”(context),其价值不只体现为“场景五力”框架,亦非仅可服务于营销推广。场景以及围绕这一概念形成的理论体系,揭示了发挥移动媒介技术特性与传播机制优势的新思路。基于对场景理论内涵的梳理,本文认为,移动出版应充分利用这一思想资源,在选题工作中培养场景思维,从场景的规约性、主客观间性等角度切入,发掘对移动出版更具现实意义的受众需求,并扩展视阈,将功能、硬件等因素引入选题策划,促进移动出版创新与传播效果提升。

基于时空情境模型的主题跟踪

针对现有的主题模型不能随时空情境准确反映主题的周期变化和空间分布的问题,根据互联网信息通常包含发布时间地点等情境数据的特点,提出一种用于主题跟踪的时空情境主题模型.首先将数据集的多主题分布与时空信息关联起来建立时空情境主题模型,对主题周期和强度进行描述;然后通过EM算法估计模型参数,利用该参数分别计算主题快照和主题周期;最后利用时序相似度计算判断后续主题信息,实现主题跟踪.食品安全事件主题跟踪的实验表明:与单纯依赖文本特征的主题跟踪方法相比,文中提出的方法能够明显提高跟踪效率和多个主题的跟踪准确性,这有助于进一步实现精准的主题信息检索.

篇章与回指

本文以Chomsky,Levinson和黄衍,Ariel,Halliday,许余龙等人的研究为线索简要回顾了当代回指研究近30年的发展进程,强调了篇章与回指的关系。回指研究历史不仅是从形式研究往功能、意义研究的转换史,而且是从句内回指往篇章回指的转换史。我们认为,这种转换的大方向是对的,只有从篇章出发才能真正解决回指问题。

修辞方法与题旨情境的适应

修辞是人们准确表达生活的必要手段。修辞要适应题旨情境,要根据作者表达思想内容的需要恰当地运用各种修辞方法,以达到准确、鲜明、生动地表达思想的需要。修辞方法是题旨情境的表现形式,题旨情境决定修辞方法的运用,内容决定形式,形式为内容服务。