检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

4 篇 学位论文

馆藏范围

4 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

4 篇 工学
- 2 篇 仪器科学与技术
- 2 篇 计算机科学与技术...
- 2 篇 软件工程
- 1 篇 机械工程
- 1 篇 控制科学与工程
1 篇 理学
- 1 篇 系统科学
1 篇 管理学
- 1 篇 管理科学与工程(可...

主题

4 篇 社会事件分析
1 篇 行为分析
1 篇 语义属性
1 篇 大规模出租车轨迹
1 篇 多媒体数据
1 篇 知识融合
1 篇 特征表示
1 篇 移动感知计算
1 篇 大规模
1 篇 情感识别
1 篇 多媒体
1 篇 数据感知
1 篇 跨平台
1 篇 候车时间预测
1 篇 情感关系
1 篇 深度学习
1 篇 多模态
1 篇 区域功能识别

机构

1 篇 中国科学院自动化...
1 篇 中国科学院大学
1 篇 上海大学
1 篇 浙江大学

作者

1 篇 钱胜胜
1 篇 齐观德
1 篇 杨小汕
1 篇 昌玉栋

语言

4 篇 中文

检索条件"主题词=社会事件分析"

共 4 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

多模态跨平台社会事件分析技术研究

多模态跨平台社会事件分析技术研究

引用

作者：钱胜胜中国科学院自动化研究所

学位级别：博士

社会事件是指发生在特定地点和特定时间的特定行为，它由许多随时间推移的子事件组成。随着互联网的快速发展，出现越来越多的社会媒体网站，用户可以非常方便地在这些网站上分享其想法、图片、帖子和其他相关活动。因此，当一个流行事... 详细信息

社会事件是指发生在特定地点和特定时间的特定行为，它由许多随时间推移的子事件组成。随着互联网的快速发展，出现越来越多的社会媒体网站，用户可以非常方便地在这些网站上分享其想法、图片、帖子和其他相关活动。因此，当一个流行事件发生在我们周围时，它可以在不同社会媒体网站中快速地进行传播，同时会产生大量的多媒体数据。用户上传的大部分与事件相关的多媒体内容都与某些特定的话题相关，如果对这些数据进行人工识别和聚类来获得真实场景中事件的整个主题演变过程，将是非常耗时的。因此，一个社会事件分析的通用框架是非常重要和必要的，它能够及时地了解社会事件随时间演变的发展趋势。然而，由于社会事件数据来自不同的网站，具有跨平台、多模态、大规模和噪声大等属性，进行社会事件分析的研究非常具有挑战性。本文的研究目标是设计一个通用的社会事件分析框架来解决上述几个问题，并针对社会事件表示、检测、跟踪和演变分析任务，构建一个有效鲁棒的社会事件分析框架。在提出的框架中，我们针对每个任务设计了具体的模型，详细来说，本文的主要贡献体现在如下5个方面： 1.社会事件表示的目的是从大量媒体数据中抽取有效的特征，得到语义层面的多模态事件表示。针对社会多媒体数据多模态和跨平台特性，我们提出一种基于非参数贝叶斯字典学习模型的多模态跨平台协同学习事件表示方法。该方法能够充分利用多模态跨平台的数据源，在事件表示过程中进行互相补充和互相促进。 2.社会事件检测的目的是从大规模的社会媒体数据自动地挖掘和识别有意义的社会事件。针对大规模社会媒体数据的监督属性，我们提出了一种新颖的提升多模态有监督潜在狄利克雷分布模型，该模型在boosting框架中引入有监督主题模型，能够适合大规模数据的分析。而且，提出的方法能够联合利用多媒体数据的多模态信息和监督信息，用于社会事件分析。 3.社会事件跟踪的目的是在时序性社会事件数据中跟踪多个社会事件。如何建模时序性多模态数据以及避免跟踪过程中模型漂移是事件跟踪过程中的两个难点。我们提出了一种新颖的在线多模态多专家学习方法来建模时序性多模态社会事件数据。而且，提出的方法采用了一种新颖的多专家最小化恢复方案，并允许模型向后撤退不满意的模型并更新当前最有效的模型，这样可以有效地解决跟踪模型漂移问题，提高跟踪精度。 4.社会事件演变分析的目的是从时序性多模态事件数据集来获得整个社会事件的演变过程，以及得到随时间推移的事件摘要细节。为了实现这个目标，我们提出了一种新颖的多模态事件主题模型，该模型可以高效地建模多模态媒体数据，并且可以区分视觉代表性主题和非视觉代表性主题。为了将该模型应用于社会事件演变分析中，本文采用一种新颖的增量学习策略，其可以随时间获得社会事件的时序性文本和视觉主题，从而帮助理解社会事件。 5.细粒度社会事件分析的目的是从多个社会媒体源进行社会事件的细粒度主题和观点挖掘。为了实现这个目标，我们提出了一种新颖的多模态多视角主题观点挖掘方法，该方法能够同时有效地考虑多模态属性和多视角属性来进行多个数据源的主题和观点学习。而且，该方法能够从所有数据源中发现多模态数据的共同主题，总结出每个特定主题的相似和不同之处，而且能在不同数据源学习的主题中自动挖掘多视角观点。

关键词：多媒体社会事件分析多模态跨平台大规模

来源：评论

学校读者我要写书评

暂无评论

面向社会事件的情感与行为双向驱动关系研究

面向社会事件的情感与行为双向驱动关系研究

引用

作者：昌玉栋上海大学

学位级别：硕士

在全媒体时代背景下,互联网因其开放与即时交互的特点,由原始单一的信息化传播渠道演变为包括国家、组织与个体在内的多主体信息交互空间。社会事件指由于社会发生各种难以预料的重大变动所造成的客观事实。当突发性社会事件爆发后,不... 详细信息

在全媒体时代背景下,互联网因其开放与即时交互的特点,由原始单一的信息化传播渠道演变为包括国家、组织与个体在内的多主体信息交互空间。社会事件指由于社会发生各种难以预料的重大变动所造成的客观事实。当突发性社会事件爆发后,不同目的性的线上多主体信息可能对线下空间的稳定性与安全性造成威胁。面向社会事件的情感分析帮助社会管理者了解公众对于社会事件的主观态度,对相关干预方案制定与干预力度调整具有重要意义。面向社会事件的行为分析可以为亲社会行为引导与反社会行为预防提供理论支撑。情感与行为联系紧密,情感是激发行为的强烈动机,行为是影响读者情感产生的核心要素。面向社会事件的情感分析旨在挖掘公众对社会事件的主观情感态度。较少学者关注社会事件中隐含的情感分布、情感混淆与转移关系。社会事件文本中的多维情感共生现象是造成情感识别偏差的根本原因,进而导致读者对表达者主观情感的误解,而行为作为影响读者情感判断的关键因素可以为情感分析任务提供辅助特征。面向社会事件的群体行为分析旨在挖掘群体行为动机与潜在行为后果。现有研究较少关注情感因素对行为的驱动作用,导致行为推理过程的合理性与可解释性存疑。针对社会事件情感分析与行为分析相关研究的局限性,提出以下三个研究内容: 1.针对文本中情感特征多样化导致读者视角情感理解难的问题,提出基于认知偏差的隐式情感关系研究,提高对社会事件情感分布与情感演化的理解能力。基于不同语料预训练模型的情感识别结果模拟不同成长经历与社会经历认知视角下的情感决策过程,以多模型决策意见综合方法实现多情感识别模型的情感决策融合,最终计算认知偏差影响下的样本情感分布关系、多维情感之间的混淆规律与转移规律。从认知偏差与样本情感特征角度挖掘样本中的隐式情感关系,提高对社会事件情感分布与情感演化的理解能力。 2.针对行为分析忽略情感内驱导致推理结果可信度较弱的问题,提出基于情感驱动的行为衍生知识研究,提高社会事件行为分析逻辑合理性与场景泛化性。在行为分析过程中融入激发行为的情感因素,挖掘面向社会事件的情感行为衍生路径,并从情感的行为衍生路径与行为的情感归因路径双视角实现群体行为分析。将情感因素融入行为分析更符合现实生活中的行为驱动模式与心理学科中的认知行为理论。由多领域社会事件中获取的情感行为衍生知识具备更强的场景泛化性与逻辑合理性。 3.针对文本中部分情感高频共生导致易混淆情感区分难的问题,提出基于情感行为知识驱动的情感识别增强研究,提高对社会事件中核心情感的分辨能力。从特征增强方面而言,基于反事实假设与情感混淆关系,替换原始文本中行为衍生知识构建易混淆情感负例样本。同时,以行为衍生知识与原始文本匹配拼接的方式强化智能算法对社会事件的整体认知,提高智能算法对行为衍生知识的关注度。从样本决策增强角度而言,基于情感转移规律指导模型对情感决策进行自我反思,提高情感识别模型对社会事件中核心情感的辨别能力。本文从情感与行为的双向驱动关系着手研究,整体实现由情感到行为的驱动分析与利用行为知识优化情感识别表现的情感行为双向研究。从认知偏差角度挖掘隐式情感关系以揭露样本中多维情感的混淆与转移规律,由情感驱动的群体行为分析为亲社会行为引导与反社会行为干预提供理论支撑,以行为衍生知识与隐式情感关系增强情感识别表现,为情感分析任务提供了新的优化调整思路。

关键词：社会事件分析情感识别情感关系行为分析知识融合

来源：评论

学校读者我要写书评

暂无评论

基于大规模出租车轨迹的移动感知计算研究

基于大规模出租车轨迹的移动感知计算研究

引用

作者：齐观德浙江大学

学位级别：博士

移动感知计算是感知计算的热点，它是指借助移动感知设备，采集个体与群体的移动数据，分析个体、群体、区域与环境的活动与变化。它的主要特征是移动性，即感知伴随移动的发生，并且通过移动设备实现;并且大规模位置与轨迹数据是移动... 详细信息

移动感知计算是感知计算的热点，它是指借助移动感知设备，采集个体与群体的移动数据，分析个体、群体、区域与环境的活动与变化。它的主要特征是移动性，即感知伴随移动的发生，并且通过移动设备实现;并且大规模位置与轨迹数据是移动感知计算的重要数据之一。这些数据记录人类行为活动的足迹，反映个体、群体、区域与环境变化的丰富信息。\n 本论文围绕个体服务、群体行为以及区域动态三个问题，使用大规模移动轨迹数据，研究个体候车时间预测，群体事件感知，以及区域社会功能识别。我们分析与挖掘出租车轨迹数据，揭示轨迹、行为、与社会活动的内在关系，本文的主要工作如下:\n (1)个体服务:候车时间预测\n 在个体服务方面，我们的以乘客候车时间预测为代表，提出针对不同时间段不同地点分别预测多个乘客竞争时的等候时间。预测候车时间有助于缓解乘客的不安，提前做好行程安排，决定是否选择出租车作为交通工具。我们提出了非时齐泊松过程对乘客和出租车到达进行建模，据此构造等候队列建模多个乘客等候出租车的竞争行为。特别地，针对乘客到达数据缺失问题，我们使用乘客载客事件的发生过程来近似乘客到达过程。本文使用大规模出租车数据验证模型的正确性，实验结果表明模型评价预测误差为3分钟。\n (2)群体行为:社会事件分析\n 在群体行为方面，我们的贡献在于使用移动轨迹分析与检测社会事件的发生并评估社会事件的影响。社会事件是指由一群人参与的事件，是参与事件的人的个体行为集合在宏观层次的表现。我们使用出租车轨迹数据中乘客流量刻画区域人群流动动态，挖掘区域人群流动异常，检测社会事件发生并评价社会事件的影响。本文提出的事件分析方法，不仪能够准确检测社会事件的发生时问与地点，还能使用参与事件的人流量来度量社会事件的规模大小，并且可以评价社会事件对城市交通的影响。\n (3)区域:社会功能识别\n 在区域感知方面，我们首次提出了使用出租车轨迹数据来刻画城市区域人群活动动态，识别区域社会功能。城市区域功能是城市区域的重要信息，它描述了城市土地的使用情况和城市区域建筑、场所与设施的利用情况。我们挖掘出租车轨迹数据，提取区域上车/下车乘客数量随时间变化的模式来表达区域人群活动动态，这种动态反映并可以准确识别城市区域社会功能。本文对杭州市534个区域进行识别社会功能，识别准确率为96％。此外，我们可以揭示城市区域社会功能随时间的转变，以及使用区域人流刻画社会功能强度。

关键词：移动感知计算候车时间预测社会事件分析区域功能识别大规模出租车轨迹

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的多媒体数据感知与计算研究

基于深度学习的多媒体数据感知与计算研究

引用

作者：杨小汕中国科学院大学

学位级别：博士

随着移动互联网的发展，越来越多的智能设备被连接到互联网上。这极大地简化了用户在网络上获取和分享信息的途径。在此背景下，互联网上产生了大量由用户上传到Web2.0社交网站的媒体数据，例如图像、文本和视频等。这些多媒体数据的传... 详细信息

随着移动互联网的发展，越来越多的智能设备被连接到互联网上。这极大地简化了用户在网络上获取和分享信息的途径。在此背景下，互联网上产生了大量由用户上传到Web2.0社交网站的媒体数据，例如图像、文本和视频等。这些多媒体数据的传播加快了信息的流通，连接了全世界各地的用户，降低了沟通和交流的成本。但对于用户和社交媒体网站来说，由于网络多媒体数据具有(1)跨平台，(2)多模态，(3)底层特征与高层语义之间存在“语义鸿沟”，(4)噪声大、信息不完备等特点，管理、检索和分析这些数据仍然是没有被彻底解决的难题。面对上述网络多媒体数据的复杂特性，为了提取和发掘这些数据中的有用信息就需要更为有效的数据感知和计算方法。但目前已有的多媒体数据分析方法依然借助上下文标注信息或者采用人工设计的特征，无法达到对数据内容真正感知和理解的目的。\n 本文从网络多媒体数据的跨平台、多模态、语义鸿沟和噪声大这四个特点出发，以近年来在图像、语音等非结构化数据识别中取得突破性进展的深度神经网络为技术基础（主要涉及消噪自编码器，卷积神经网络，循环神经网络），为网络多媒体数据分析学习更有效的特征表示，进而让计算机更好地理解网络多媒体数据内容。并将这些多媒体数据表示方法应用到社会事件的识别与发现中。与已有方法相比，本文的主要贡献体现在如下6个方面:\n 1.跨平台特征表示学习。把网络多媒体数据的平台差异问题公式化为迁移学习中不同领域的特征分布差异问题，并利用提升深度学习来减小这种分布差异。我们的提升深度学习算法主要是结合了传统提升(Boosting)算法和深度特征学习算法的思想。随着提升算法的迭代，根据样本分布不断选择新的样本训练新的特征表示，从而得到更能减小源平台数据与目标平台数据之间差异的共同特征表示。在多次迭代结束后，结合多种特征表示以及多个弱分类器对测试样本进行分类。\n 2.多模态跨平台特征表示学习。提出一种融合多模态和跨平台特性的统一特征学习框架。通过在同一层消噪自编码器中加入模态相关性约束和平台一致性约束，有效提高特征学习的鲁棒性。带有多模态与跨平台约束的消噪自编码器可以用边缘化的方式有效求解。\n 3.图片语义属性学习。针对多媒体数据底层特征与高层语义之间的语义鸿沟问题，提出一种基于深度卷积神经网络的相对属性学习算法。在神经网络框架下，图片的视觉特征是在表示相对属性值的排序损失函数的约束下训练得到。排序损失函数包含对比性约束和相似性约束，分别对应于属性不同的图像对以及属性相同的图像对。\n 4.事件视频语义属性学习。为了给视频中的特定事件构建最有效的视觉属性特征，提出一种视觉语义属性的自动学习算法。利用视频的文本描述进行词组分析与分割，计算词组的语义粘滞性自动挖掘语义属性。利用网络辅助图片数据集，计算语义属性的视觉表示力，得到视觉语义属性。采用提升和消噪自编码器选择最有利于事件识别的视觉语义属性。基于多特征表示和多个属性分类器得到测试视频的视觉语义特征表示。\n 5.事件视频语义特征学习。提出基于视频和文本描述学习从视频生成语义特征向量的映射函数。为了达到这一目的，提出嵌入式卷积神经网络把视频和对应文本映射到同一个语义特征空间，在语义特征空间中，相关的视频和文本的语义特征向量之间的距离被最小化。嵌入式卷积网络由两支分别用于视频特征表示和文本特征表示的神经网络构成。这种方法在视频训练样本有限的情形下有很好的效果。\n 6.网络图片中的社会事件分析。在图片的事件分析中引入时间信息，把事件分析公式化为一个时序的结构化预测问题。借助循环神经网络和卷积神经网络得到事件的时序特征表示，减小类内差异。提出基于离散条件随机场的用于多类别事件识别的判别式结构化事件模型，减轻类间混淆。提出基于连续条件随机场的用于不常见事件发现的单类别结构化事件模型，缓解样本稀缺问题。在事件模型中，条件随机场作为损失函数在统一的框架下来约束循环神经网络和卷积神经网络的训练。

关键词：多媒体数据特征表示语义属性深度学习社会事件分析数据感知

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：