基于知识图谱表示学习的谣言早期检测方法

社交网络谣言是严重危害社会安全的一个重要问题.目前的谣言检测方法基本上都依赖用户评论数据.为了获取可供模型训练的足量评论数据,需要任由谣言在社交平台上传播一段时间,这就扩大了谣言的危害.本文提出了一种基于知识图谱表示学习的谣言检测方法.该方法不依赖用户评论数据.首先基于PN-KG2REC算法得到实体和关系的表示;然后将待检测三元组中的实体和关系表示进行拼接,得到三元组表示;最后对三元组的向量表示进行分类,并根据分类结果判断待检测三元组描述内容的真假性.采用公开数据的实验结果表明,本文提出的谣言检测方法在不依赖用户评论数据的前提下,能够有效地对谣言进行早期检测.

一种特定谐波消除多电平RF-PWM方法

为消除射频脉宽调制(Radio Frequency Pulse Width Modulation,RF-PWM)的特定谐波,本文提出了一种适用于全数字发信机(All-Digital Transmitters,ADTx)的多电平RF-PWM方法.该方法利用多个自适应门限与相位调制信号实时比较,控制多个子脉冲的脉冲宽度,在基波分量加权之和正比于输入信号包络的前提下,使其特定谐波分量相互抵消.和现有技术相比,该方法可显著降低ADTx的输出滤波要求,提高其宽频段性能.以3次谐波消除为例,本文给出了对应5电平RF-PWM方案,并利用仿真和离线实验证明了该方案的有效性.

基于注意力机制的细粒度语义关联视频-文本跨模态实体分辨

随着移动网络、自媒体平台的迅速发展,大量的视频和文本信息不断涌现,这给视频-文本数据跨模态实体分辨带来了迫切的现实需求。为提高视频-文本跨模态实体分辨的性能,提出了一种基于注意力机制的细粒度语义关联视频-文本跨模态实体分辨模型(Fine-grained Semantic Association Video-Text Cross-Model Entity Resolution Model Based on Attention Mechanism,FSAAM)。对于视频中的每一帧,利用图像特征提取网络特征信息,并将其作为特征表示,然后通过全连接网络进行微调,将每一帧映射到共同空间;同时,利用词嵌入的方法对文本描述中的词进行向量化处理,通过双向递归神经网络将其映射到共同空间。在此基础上,提出了一种自适应细粒度视频-文本语义关联方法,该方法计算文本描述中的每个词与视频帧的相似度,利用注意力机制进行加权求和,得出视频帧与文本的语义相似度,并过滤与文本语义相似度较低的帧,提高了模型性能。FSAAM主要解决了文本描述的词与视频帧关联程度不同而导致视频-文本跨模态数据语义关联难以构建以及视频冗余帧的问题,在MSR-VTT和VATEX数据集上进行了实验,实验结果验证了所提方法的优越性。