检索结果-内蒙古大学图书馆

江西师范大学学报（哲学社会科学版） 2021年第5期54卷 54-60页

作者：杨瑞玲河南理工大学国际教育学院河南焦作454003 朝鲜大学国际人文大学韩国光州61452

基于认知隐喻学相关理论,对吉祥图案代表性语料中多种模态隐喻的界定以及各类隐喻运作方式的分析,发现吉祥图案中的隐喻可通过自然形纹样、吉祥语文字、文字图符、颜色、造型、几何纹样及语境等多种模态呈现;根据概念隐喻源域到目标域... 详细信息

基于认知隐喻学相关理论,对吉祥图案代表性语料中多种模态隐喻的界定以及各类隐喻运作方式的分析,发现吉祥图案中的隐喻可通过自然形纹样、吉祥语文字、文字图符、颜色、造型、几何纹样及语境等多种模态呈现;根据概念隐喻源域到目标域的映射关系,吉祥图案中的多模态隐喻运作方式可分为七类:“源域自然形纹样—目标域语境”“源域自然形纹样兼文字—目标域语境”“源域自然形纹样—目标域吉祥语文字”“源域自然形纹样兼文字图符—目标域吉祥语文字”“源域颜色—目标域语境”“源域造型—目标域语境”以及“源域几何纹样—目标域语境”。拓宽多模态隐喻研究范围,为吉祥图案文化隐喻的解读和应用提供新的启示和思路是文章的研究价值。

关键词：吉祥图案多模态隐喻模态表征隐喻运作方式

来源：评论

学校读者我要写书评

暂无评论

基于图文鲁棒性表征的社交媒体多模态命名实体识别

引用

微电子学与计算机 2025年第2期42卷 50-58页

作者：袁一铭郭军军余正涛昆明理工大学信息工程与自动化学院云南昆明650500 昆明理工大学云南省人工智能重点实验室云南昆明650500

多模态命名实体识别(Multimodal Named Entity Recognition,MNER)旨在融合视觉图像信息提高文本实体识别的性能。以往的MNER研究主要集中多模态融合方法上,然而,文本和其对应的图像可能不完全匹配,而图文对齐噪声通常不可避免,不相关的... 详细信息

多模态命名实体识别(Multimodal Named Entity Recognition,MNER)旨在融合视觉图像信息提高文本实体识别的性能。以往的MNER研究主要集中多模态融合方法上,然而,文本和其对应的图像可能不完全匹配,而图文对齐噪声通常不可避免,不相关的图像区域可能会误导文本信息,导致模型性能下降。为此,本文提出了一种基于跨模态语义交互掩码模型(Cross-Modal Semantic Interaction Mask model,CMSIM)的噪声鲁棒MNER方法。该方法通过跨模态交互掩码机制构建文本-图像关系感知注意mask矩阵,并基于文本-图像交互掩码过滤视觉噪声信息并融合鲁棒图文特征,从而提升命名实体识别的性能。在两个公开数据集上测试结果表明,该模型能够提升MNER任务实体识别的准确率,证明了所提方法的有效性。

关键词：多模态命名实体识别模态表征对齐噪声双向交互注意力机制

来源：评论

学校读者我要写书评

暂无评论

社交网络中个体情绪的识别研究

社交网络中个体情绪的识别研究

引用

作者：梁志伟中国科学技术大学

学位级别：硕士

随着信息社会的不断发展,社交网络与现实生活的联系越来越紧密,热点问题常常引发大量的公众关注,很容易在言论引导下产生偏激的个体情绪,进而可能影响到现实世界引发群体事件。根据社交言论准确判断出个体情绪,有助于网络舆情分析与应... 详细信息

随着信息社会的不断发展,社交网络与现实生活的联系越来越紧密,热点问题常常引发大量的公众关注,很容易在言论引导下产生偏激的个体情绪,进而可能影响到现实世界引发群体事件。根据社交言论准确判断出个体情绪,有助于网络舆情分析与应急处理工作,是网络空间安全领域具有重要应用价值的研究方向。当前研究主要采用以文本为核心的多模态方法进行情绪识别,可以较为准确地识别出言论中包含的多种情绪,但仍然存在一些尚待解决的问题。在基于文本模态的研究中,较少综合考虑语境上下文及个体单词嵌入特征等因素,且未引入可解释性方法,导致数据集覆盖以外的情绪识别效果存在显著偏差。在融合多模态的研究中,忽略了模态之间不同空间的表示学习以及不同模态在识别过程中的影响权重分配,导致多模态融合效果受限。为此,本文开展了如下研究:1.针对基于文本的情绪识别问题,设计了一种基于分层门控循环单元(GRU)和因果意识交互网络的情绪识别模型。在模型中综合考虑单个对话话语特征、语境上下文信息以及远距离上下文信息等因素对情绪识别的影响,采用两个双向GRU分别建模学习单个话语嵌入与上下文话语嵌入,另外将分层GRU的输出作为因果意识交互网络的输入,从因果线索检索和因果话语回溯两角度对情绪原因层面进行分析,最后在分类层,将因果意识表征混合用于情绪识别。通过这种方式将因果学习结合到模型中以提高模型的可解释性。最后通过实验证明了本文的文本情绪识别模型的有效性和可解释性,在相似研究任务中,该模型相较于其他模型具有更好的表现。2.针对基于多模态的情绪识别问题,设计了一种基于模态表征和模态交互的多模态融合情绪识别模型。该模型将模态的表征分为模态不变和模态特定性,使用Transformer模型以跨模态交互的方式研究模态之间的交互与融合,并使用双向GRU模块解决长时间依赖问题,从而解决从时间空间两个维度上模态的融合与交互。另外,该模型还考虑了情绪识别过程中各模态的影响比例分配问题,将多模态混合门控机制融入整体模型以提高模态的融合效果。最后通过在相关数据集上的实验证明,提出的多模态情绪识别模型在情绪识别工作中的有效性和优越性。

关键词：情绪识别多模态融合分层GRU 因果意识交互网络模态表征

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：