检索结果-内蒙古大学图书馆

计算机辅助设计与图形学学报 2022年第4期34卷 592-604页

作者：郝玉胜王维兰李金成林强西北民族大学数学与计算机科学学院兰州730030 中国民族语言文字信息技术教育部重点实验室兰州730030 西北民族大学流数据计算与应用重点实验室兰州730030

为满足大量藏汉双语场景图像中的文字检测和识别的需求,合成数据集并训练深度学习模型,提出场景图像藏汉双语文本检测方法.首先,针对缺乏藏汉双语场景图像数据集的问题,提出基于轮廓检测和泊松图像编辑的合成方法,采用人工标注和自动化... 详细信息

为满足大量藏汉双语场景图像中的文字检测和识别的需求,合成数据集并训练深度学习模型,提出场景图像藏汉双语文本检测方法.首先,针对缺乏藏汉双语场景图像数据集的问题,提出基于轮廓检测和泊松图像编辑的合成方法,采用人工标注和自动化合成方式生成了具有相当规模的藏汉双语场景图像数据集BiTCSD,其中包含合成图像87680幅、人工标注图像5550幅;其次,验证了使用合成数据集训练模型的有效性;最后,在不同数据集上训练了深度文本框连接网络CTPN,并在测试集上针对不同语种评价了模型的文本检测性能.实验结果表明:通过合成样本训练CTPN模型,能够使模型的文本检测指标大幅提升;训练后的CTPN能够以较高的准确率和召回率检测场景图像中的藏汉双语文本区域,针对藏语文本的检测准确率P、召回率R和F值分别为0.91,0.85和0.88;针对汉语文本的检测准确率P、召回率R和F值分别为0.89,0.83和0.86.

关键词：场景文本检测藏汉双语合成数据集深度学习

来源：评论

学校读者我要写书评

暂无评论

基于联合复杂网络Cn-RippleNet模型的推荐方法

引用

西北工业大学学报 2021年第5期39卷 1070-1076页

作者：罗宇泰徐涛徐章博西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030

RippleNet对用户偏好传播进行建模,并运用在推荐系统中,取得了良好的效果,但RippleNet没有考虑知识图谱中的实体权重,导致推荐的实体不够精确。提出了一种加入复杂网络节点影响力的Cn-RippleNet模型,在构建基于知识图谱的复杂网络之后,... 详细信息

RippleNet对用户偏好传播进行建模,并运用在推荐系统中,取得了良好的效果,但RippleNet没有考虑知识图谱中的实体权重,导致推荐的实体不够精确。提出了一种加入复杂网络节点影响力的Cn-RippleNet模型,在构建基于知识图谱的复杂网络之后,抽取其最大子网模型,计算图谱网络中节点影响力,并将其作为实体的权重添加至图谱实体中,最终计算出推荐结果。实验结果表明,该方法将RippleNet的AUC和ACC的值提高到了93.0%和85.6%,弥补了RippleNet没有考虑图谱实体影响力的问题,使推荐结果更符合用户预期。

关键词：知识图谱推荐系统复杂网络节点影响力 RippleNet

来源：评论

学校读者我要写书评

暂无评论

基于ERNIE的新闻标题文本分类

引用

计算机应用文摘 2023年第7期39卷 82-84页

作者：徐云鹏曹晖西北民族大学中国民族语言文字信息技术重点实验室兰州730030

针对新闻标题文本分类任务,文章提出的EWLTC(ERNIE with Whole Layers for ***)模型旨在获取文本的不同层级的特征信息,通过抽取预训练模型ERNIE的12层Eneoder层输出中的CLS向量,利用注意力机制进行加权求和作为全连接层的输入。通过实... 详细信息

针对新闻标题文本分类任务,文章提出的EWLTC(ERNIE with Whole Layers for ***)模型旨在获取文本的不同层级的特征信息,通过抽取预训练模型ERNIE的12层Eneoder层输出中的CLS向量,利用注意力机制进行加权求和作为全连接层的输入。通过实验证明,EWLTC模型在中文新闻标题文本数据集上能够获得更为优秀的表现。

关键词：文本分类 EWLTC ERNIE 注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于语义联合的知识库问答方法

引用

人工智能与机器人研究 2023年第4期12卷 281-291页

作者：苟苗苗徐涛吴瑜戴玉刚西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州

基于知识图谱的问答(KBQA)是问答系统的重要组成部分。然而,现有多数知识图谱问答系统侧重于回答单个三元组查询的简单问题,对回答涉及多个实体和关系的复杂问题的正确率较低。为了提高正确率,本文采用对比学习方法来计算语义相似度,并... 详细信息

基于知识图谱的问答(KBQA)是问答系统的重要组成部分。然而,现有多数知识图谱问答系统侧重于回答单个三元组查询的简单问题,对回答涉及多个实体和关系的复杂问题的正确率较低。为了提高正确率,本文采用对比学习方法来计算语义相似度,并提出了语义联合模型框架,将实体消歧和关系匹配任务进行联合建模,以避免误差传递问题。最终使用本文的方法在CCKS2019KBQA数据集上进行实验,实验结果表明,与BERT模型相比,对比学习模型在计算语义相似度方面更具优势,并且语义联合建模的效果也优于先进行实体消歧再进行关系匹配的方法。

关键词：知识库问答对比学习语义联合相似度

来源：评论

学校读者我要写书评

暂无评论

西宁方言单字调实验研究

引用

西北民族大学学报（自然科学版） 2024年第1期45卷 33-39页

作者：孙语婕安丽卿西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030 西北民族大学中国语言文学学部甘肃兰州730030

青海西宁方言因多民族交融的环境而不断发展变化.文章采用实验语音学的相关理论和方法对西宁方言的单字调进行研究.分析西宁市城东区2位发音人的语音材料,提取其基频并进行归一化处理,最后得出西宁方言共有两种调型、四个调类,分别是阴... 详细信息

青海西宁方言因多民族交融的环境而不断发展变化.文章采用实验语音学的相关理论和方法对西宁方言的单字调进行研究.分析西宁市城东区2位发音人的语音材料,提取其基频并进行归一化处理,最后得出西宁方言共有两种调型、四个调类,分别是阴平(44)、阳平(14)、上声(45)、去声(24),其中阳平和去声有合并的趋势.研究目的是对西宁方言声调的实际情况进行客观的描述,得出西宁方言单字调格局,揭示西宁方言声调的变化发展情况.

关键词：西宁方言单子调实验语音学

来源：评论

学校读者我要写书评

暂无评论

融合FCN和LSTM的视频异常事件检测

引用

上海交通大学学报 2021年第5期55卷 607-614页

作者：武光利郭振洲李雷霆王成祥甘肃政法大学网络空间安全学院兰州730070 西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730070

针对传统视频异常检测模型的缺点,提出一种融合全卷积神经(FCN)网络和长短期记忆(LSTM)网络的网络结构.该网络结构可以进行像素级预测,并能精确定位异常区域.首先,利用卷积神经网络提取视频帧不同深度的图像特征;然后,把不同的图像特征... 详细信息

针对传统视频异常检测模型的缺点,提出一种融合全卷积神经(FCN)网络和长短期记忆(LSTM)网络的网络结构.该网络结构可以进行像素级预测,并能精确定位异常区域.首先,利用卷积神经网络提取视频帧不同深度的图像特征;然后,把不同的图像特征分别输入记忆网络分析时间序列的语义信息,并通过残差结构融合图像特征和语义信息;同时,采用跳级结构集成多模态下的融合特征并进行上采样,最终获得与原视频帧大小相同的预测图.所提网络结构模型在加州大学圣地亚哥分校(UCSD)异常检测数据集的ped 2子集和明尼苏达大学(UMN)人群活动数据集上进行测试,均取得了较好的结果.在UCSD上的等错误率低至6.6%,曲线下面积达到了98.2%,F 1分数达到了94.96%;在UMN上的等错误率低至7.1%,曲线下面积达到了93.7%,F 1分数达到了94.46%.

关键词：计算机视觉视频异常检测像素级预测全卷积神经网络长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

昭通方言一级元音语音实验分析

引用

西北民族大学学报（自然科学版） 2023年第2期44卷 24-31页

作者：戚瀚匀吕士良陈爽西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030

昭通地处我国云南省的东北部,以昭阳区为行政区.昭通方言属于汉语北方方言西南官话中的云南次方言,在语音、词汇和语法等方面有独特的地域特色.关于昭通方言语音的研究成果主要集中在20世纪90年代,随着语言的发展变化,昭通方言语音内部... 详细信息

昭通地处我国云南省的东北部,以昭阳区为行政区.昭通方言属于汉语北方方言西南官话中的云南次方言,在语音、词汇和语法等方面有独特的地域特色.关于昭通方言语音的研究成果主要集中在20世纪90年代,随着语言的发展变化,昭通方言语音内部产生了新的特点.文章采用实验语音学研究方法,以昭通方言中的一级元音为研究对象,通过对各元音共振峰和舌位分布进行分析后,最终得出元音的舌位分布和声学特征,并结合目前发音实际,对元音[y]和[]的声学表现进行详细分析,得出元音的发音特点.研究结论有助于昭通方言音系的归纳整理,还有利于针对方言特点进行的普通话推广工作.

关键词：昭通方言实验语音学一级元音共振峰

来源：评论

学校读者我要写书评

暂无评论

基于特征加权的电影票房预测研究

引用

计算机应用文摘 2023年第8期39卷 133-135页

作者：吴正清曹晖崔泽宇西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030

文章搜集了678部电影并将其作为数据,选择电影制式、电影题材、制片地区、发行公司、是否I P续集、主演、导演、编剧以及档期等作为主要影响因素,使用合理方法将这些影响因素进行量化并归一化处理后,随机选取其中300部电影使用随机森林... 详细信息

文章搜集了678部电影并将其作为数据,选择电影制式、电影题材、制片地区、发行公司、是否I P续集、主演、导演、编剧以及档期等作为主要影响因素,使用合理方法将这些影响因素进行量化并归一化处理后,随机选取其中300部电影使用随机森林算法计算特征重要性,并使用对数变换计算权重,之后使用BP神经网络对剩余电影进行票房预测。实验表明,对电影影响因素赋予权重后的模型十折交叉验证R-Sq ua red均值为0.7998,高于未进行权重赋予的0.6641,并且在对知名电影进行预测时,权重赋予后的模型的预测值总体上也更接近实际值,可见使用随机森林特征重要性分数进行权重赋予可以在一定程度上提高票房预测效果。

关键词：票房预测随机森林特征权重 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

结合文字核心区域和扩展生长的藏文古籍文本行切分

引用

激光与光电子学进展 2021年第2期58卷 105-115页

作者：李金成王筱娟王维兰林强胡鹏飞西北民族大学中国民族语言文字信息技术教育部重点实验室甘肃兰州730030 西北民族大学数学与计算机科学学院甘肃兰州730030

藏文古籍文档图像中相邻文本行之间通常存在黏连和重叠的情况,这使得文本行切分成为一项艰巨的任务。因此,提出了一种结合文字核心区域和扩展生长的藏文古籍文档图像的行切分方法。首先,根据二值藏文古籍文档图像中连通域的面积和真圆... 详细信息

藏文古籍文档图像中相邻文本行之间通常存在黏连和重叠的情况,这使得文本行切分成为一项艰巨的任务。因此,提出了一种结合文字核心区域和扩展生长的藏文古籍文档图像的行切分方法。首先,根据二值藏文古籍文档图像中连通域的面积和真圆度去除非音节点,获得音节点图像。其次,通过水平投影音节点图像和垂直投影二值原图,得到文本行基线所处的范围和文本行数,生成文字核心区域;通过像素值的或运算将文字核心区域和二值原图结合,得到伪文本连通区域。最后,基于广度优先搜索算法将文字核心区域扩展为伪文本连通区域,获得伪文本行连通区域,通过去掉其中的非文字区域来获得伪文本行,利用有效的断裂笔画行归属方法获得最终的文本行。实验结果表明,所提方法取得了较好的文本行切分结果,有效解决了文本行之间的重叠、部分行黏连以及笔画断裂等藏文古籍文本行切分的问题。

关键词：图像处理藏文古籍文档图像文本行切分文字核心区域扩展生长

来源：评论

学校读者我要写书评

暂无评论

自注意力机制和随机森林回归的视频摘要生成

引用

计算机工程与应用 2022年第4期58卷 198-205页

作者：李雷霆武光利郭振洲甘肃政法大学网络空间安全学院兰州730070 西北民族大学中国民族语言文字信息技术教育部重点实验室兰州730030

是通过生成关键帧或片段来达到压缩视频的效果,能够在概括视频主要内容的基础上极大缩短观看时间,在视频快速浏览与检索领域应用广泛。现有方法大多只基于图像内容进行探索,忽略了视频具有时序的特点,且模型对波动数据学习能力较差,导... 详细信息

是通过生成关键帧或片段来达到压缩视频的效果,能够在概括视频主要内容的基础上极大缩短观看时间,在视频快速浏览与检索领域应用广泛。现有方法大多只基于图像内容进行探索,忽略了视频具有时序的特点,且模型对波动数据学习能力较差,导致生成的摘要缺乏时间连贯性和代表性。提出了一个以编码器-解码器为框架的视频摘要网络。具体来说,编码部分由卷积神经网络提取特征,通过自注意力机制提升对关键特征的权重,而解码部分由融合了随机森林的双向长短期记忆网络构成,通过调整随机森林和双向长短期记忆网络在损失函数中所占比例,使模型具有较强的稳定性和预测准确率。实验在两个数据集上与其他七种方法进行了比较,综合实验结果证明了方法的有效性与可行性。提出了自注意力机制和随机森林回归的视频摘要网络,利用自注意力机制完成对特征的优化,将双向长短期记忆网络与随机森林结合,提升模型的稳定性与泛化性,有效降低损失值,使得生成的视频摘要更符合用户视觉特性。

关键词：计算机视觉视频摘要自注意力机制长短期记忆网络随机森林回归

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：