-
题名基于多模态神经网络的图像中文摘要生成方法
被引量:6
- 1
-
-
作者
刘泽宇
马龙龙
吴健
孙乐
-
机构
中国科学院软件研究所中文信息处理研究室
中国科学院大学
-
出处
《中文信息学报》
CSCD
北大核心
2017年第6期162-171,共10页
-
基金
国家自然科学基金(61772505)
青海省自然科学基金(2016-ZJ-Y04
2016-ZJ-740)
-
文摘
图像的自然语言描述(image captioning)是一个融合计算机视觉、自然语言处理和机器学习的跨领域课题。它作为多模态处理的关键技术,近年来取得了显著成果。当前研究大多针对图像生成英文摘要,而对于中文摘要的生成方法研究较少。该文提出了一种基于多模态神经网络的图像中文摘要生成方法。该方法由编码器和解码器组成,编码器基于卷积神经网络,包括单标签视觉特征提取网络和多标签关键词特征预测网络,解码器基于长短时记忆网络,由多模态摘要生成网络构成。在解码过程中,该文针对长短时记忆网络的特点提出了四种多模态摘要生成方法 CNIC-X、CNIC-H、CNIC-C和CNIC-HC。在中文摘要数据集Flickr8k-CN上实验,结果表明该文提出的方法优于现有的中文摘要生成模型。
-
关键词
图像中文摘要
多模态处理
神经网络
-
Keywords
Chinese image captioning
multimodal processing
neural network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于分布式表示和多特征融合的知识库三元组分类
被引量:7
- 2
-
-
作者
安波
韩先培
孙乐
吴健
-
机构
中国科学院软件研究所中文信息处理研究室
-
出处
《中文信息学报》
CSCD
北大核心
2016年第6期84-89,99,共7页
-
基金
国家自然科学基金(61540057
61433015
+3 种基金
61272324
61572477)
青海省自然科学基金(2016-ZJ-Y04
2016-ZJ-740)
-
文摘
三元组分类是知识库补全及关系抽取的重要技术。当前主流的三元组分类方法通常基于TransE来构建知识库实体和关系的分布式表示。然而,TransE方法仅仅适用于处理1对1类型的关系,无法很好的处理1对多、多对1及多对多类型的关系。针对上述问题,该文在分布式表示的基础上,提出了一种特征融合的方法—TCSF,通过综合利用三元组的距离、关系的先验概率及实体与关系上下文的拟合度进行三元组分类。在四种公开的数据集(WN11、WN18、FB13、FB15K)上的测试结果显示,TCSF在三元组分类上的效果超过现有的state-of-theart模型。
-
关键词
知识库
深度学习
三元组分类
-
Keywords
knowledge base
deep learning
triple classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-