检索结果-内蒙古大学图书馆

软件学报 2024年第9期35卷 4377-4389页

作者：叶静向露宗成庆中国科学院大学人工智能学院北京100049 模式识别国家重点实验室(中国科学院自动化研究所) 北京100190

属性级情感分类任务旨在判断句子针对给定属性的情感极性,因其广泛应用而备受关注.该任务的关键在于识别给定属性相关的上下文描述,并根据上下文内容判断发文者针对相应属性的情感倾向.统计发现,大约30%的评论中并不包含关于给定属性的... 详细信息

属性级情感分类任务旨在判断句子针对给定属性的情感极性,因其广泛应用而备受关注.该任务的关键在于识别给定属性相关的上下文描述,并根据上下文内容判断发文者针对相应属性的情感倾向.统计发现,大约30%的评论中并不包含关于给定属性的明确情感描述,但仍然传达了清晰的情感倾向,这被称为隐式情感表达.近年来,基于注意力机制的神经网络方法在情感分析中得到了成功应用.但该类方法只能捕捉属性相关的显式情感描述,而缺乏对隐含情感的有效分析和挖掘,且往往将属性词与句子上下文分别建模,使得属性词的表示缺乏上下文语义.针对以上两个问题,提出一种交叉融合属性局部和句子全局上下文信息的属性级情感分类方法,并根据隐式和显式情感表达句子不同的分类难度采用课程学习提高模型的分类性能.实验表明,所提方法不仅对显式情感表达句子的属性情感倾向识别准确率高,而且能够有效学习隐式情感表达句子的情感类别.

关键词：属性级情感分析隐式情感分析注意力机制课程学习

来源：评论

学校读者我要写书评

暂无评论

基于监督对比学习的文本情绪类别表示

引用

软件学报 2024年第10期35卷 4794-4805页

作者：王祥宇宗成庆模式识别国家重点实验室(中国科学院自动化研究所) 北京100190 中国科学院大学人工智能学院北京100049

揭示情绪之间的关系是认知心理学的一项重要基础研究.从自然语言处理的角度来说,探讨情绪之间的关系的关键在于得到合适的情绪类别的嵌入式表示.最近,在情感空间中获得一个可以表征情绪关系的类别表示已经引起了一些关注.然而,现有的情... 详细信息

揭示情绪之间的关系是认知心理学的一项重要基础研究.从自然语言处理的角度来说,探讨情绪之间的关系的关键在于得到合适的情绪类别的嵌入式表示.最近,在情感空间中获得一个可以表征情绪关系的类别表示已经引起了一些关注.然而,现有的情绪类别嵌入方法存在以下几个缺点.比如固定维度,情绪类别表示的维度依赖于所选定的数据集.为了取得一个更好的情绪类别表示,引入监督对比学习的表示方法.在之前的监督对比学习方法中,样本之间的相似性取决于样本所标注的标签的相似性.为了更好地反映出不同情绪类别之间的复杂关系,进一步提出部分相似的监督对比学习表示方法,认为不同情绪类别(比如情绪anger和annoyance)的样本之间也可能是部分相似的.最后,组织一系列实验来验证所提方法以及其他5个基准方法在表述情绪类别之间关系的能力.实验结果表明,所提方法取得了理想的情绪类别表示结果.

关键词：情感分析情绪表示情绪空间情绪类别

来源：评论

学校读者我要写书评

暂无评论

基于视觉的人体动作质量评价研究综述

引用

自动化学报 2025年第2期51卷 404-426页

作者：沈媛媛张燕明沈燕飞北京体育大学体育工程学院北京100084 中国科学院自动化研究所模式识别国家重点实验室北京100190

基于视觉的人体动作质量评价利用计算机视觉相关技术自动分析个体运动完成情况,并为其提供相应的动作质量评价结果.这已成为运动科学和人工智能交叉领域的一个热点研究问题,在竞技体育、运动员选材、健身锻炼、运动康复等领域具有深远... 详细信息

基于视觉的人体动作质量评价利用计算机视觉相关技术自动分析个体运动完成情况,并为其提供相应的动作质量评价结果.这已成为运动科学和人工智能交叉领域的一个热点研究问题,在竞技体育、运动员选材、健身锻炼、运动康复等领域具有深远的理论研究意义和很强的实用价值.本文将从数据获取及标注、动作特征表示、动作质量评价3个方面对涉及到的技术进行回顾分析,对相关方法进行分类,并比较分析不同方法在AQA-7、JIGSAWS、EPIC-Skills 2018三个数据集上的性能.最后讨论未来可能的研究方向.

关键词：动作质量评价计算机视觉信息获取特征表示损失函数

来源：评论

学校读者我要写书评

暂无评论

跨模态信息融合的端到端语音翻译

引用

软件学报 2023年第4期34卷 1837-1849页

作者：刘宇宸宗成庆模式识别国家重点实验室(中国科学院自动化研究所) 北京100190 中国科学院大学人工智能学院北京100049

语音翻译旨在将一种语言的语音翻译成另一种语言的语音或文本.相比于级联式翻译系统,端到端的语音翻译方法具有时间延迟低、错误累积少和存储空间小等优势,因此越来越多地受到研究者们的关注.但是,端到端的语音翻译方法不仅需要处理较... 详细信息

语音翻译旨在将一种语言的语音翻译成另一种语言的语音或文本.相比于级联式翻译系统,端到端的语音翻译方法具有时间延迟低、错误累积少和存储空间小等优势,因此越来越多地受到研究者们的关注.但是,端到端的语音翻译方法不仅需要处理较长的语音序列,提取其中的声学信息,而且需要学习源语言语音和目标语言文本之间的对齐关系,从而导致建模困难,且性能欠佳.提出一种跨模态信息融合的端到端的语音翻译方法,该方法将文本机器翻译与语音翻译模型深度结合,针对语音序列长度与文本序列长度不一致的问题,通过过滤声学表示中的冗余信息,使过滤后的声学状态序列长度与对应的文本序列尽可能一致;针对对齐关系难学习的问题,采用基于参数共享的方法将文本机器翻译模型嵌入到语音翻译模型中,并通过多任务训练方法学习源语言语音与目标语言文本之间的对齐关系.在公开的语音翻译数据集上进行的实验表明,所提方法可以显著提升语音翻译的性能.

关键词：语音翻译神经机器翻译端到端模型多模态学习

来源：评论

学校读者我要写书评

暂无评论

跨模态多视角自监督的个性化食谱推荐异构图网络

引用

计算机辅助设计与图形学学报 2023年第3期35卷 413-422页

作者：宋亚光杨小汕徐常胜中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

为了更好地建模食物不同内容信息之间的关系,提出一种基于跨模态多视角自监督异构图网络的个性化食物推荐模型.首先,基于用户､食物以及食材,构建异构图;其次,基于信息传递,学习建模信息之间的复杂层级关系;再次,利用食物节点特征､食物... 详细信息

为了更好地建模食物不同内容信息之间的关系,提出一种基于跨模态多视角自监督异构图网络的个性化食物推荐模型.首先,基于用户､食物以及食材,构建异构图;其次,基于信息传递,学习建模信息之间的复杂层级关系;再次,利用食物节点特征､食物食材特征以及食物图像特征,构建跨模态多视角对比自监督学习任务增强食物节点的表示;最后,利用用户表示以及基于注意力模块融合得到的食物综合表示完成食物推荐.在大规模食物推荐数据集上的实验结果表明,该方法比最优的基线方法在AUC,NDCG@10和Recall@10这3个指标上分别提升6.35%,8.13%和11.7%,从而证明了该方法的有效性.

关键词：食物推荐异构图自监督学习多视角跨模态

来源：评论

学校读者我要写书评

暂无评论

基于变形图匹配的知识图谱多跳问答

引用

北京航空航天大学学报 2024年第2期50卷 529-534页

作者：李香粤方全胡骏钱胜胜徐常胜郑州大学河南先进技术研究院郑州450000 中国科学院自动化研究所模式识别国家重点实验室北京100190

知识图谱问答(KGQA)是给定自然语言问题,对问题进行语义理解和解析,进而利用知识图谱进行查询、推理得出答案的过程。但知识图谱通常是不完整的,链接缺失给多跳问答带来许多挑战。许多方法在利用知识图谱嵌入时忽略了重要的路径信息来... 详细信息

知识图谱问答(KGQA)是给定自然语言问题,对问题进行语义理解和解析,进而利用知识图谱进行查询、推理得出答案的过程。但知识图谱通常是不完整的,链接缺失给多跳问答带来许多挑战。许多方法在利用知识图谱嵌入时忽略了重要的路径信息来评估路径和多关系问题之间的相关性;且使用文本语料库也会限制文本增强模型的可扩展性。针对这些现有方法的缺陷,提出了基于变形图匹配的知识图谱问答(DGM-KGQA)模型,该模型同时利用问题和主题实体构建语义子图,与知识图谱的局部结构匹配并找到正确答案。在基准数据集MetaQA上的实验结果验证了DGM-KGQA的有效性,该模型在完整知识图谱上检索到的答案准确率分别比PullNet、EmbedKGQA增加了4.2%、0.8%;在完整度仅有一半的知识图谱上检索到的答案准确率分别比PullNet、EmbedKGQA增加了11.1%、0.5%。实验证明提出的变形图匹配模型能够有效地增强知识图谱的关联性及多跳问答的答案准确率。

关键词：自然语言问题链接缺失文本语料库多跳问答变形图匹配

来源：评论

学校读者我要写书评

暂无评论

基于噪声对比估计的权重自适应对抗生成式模仿学习

引用

模式识别与人工智能 2023年第4期36卷 300-312页

作者：关伟凡张希中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

传统模仿学习需满足专家样本均为质量极高的最优专家样本,这一限制条件既提高数据的采集难度也限制算法的应用场景.由此,文中提出基于噪声对比估计的权重自适应对抗生成式模仿学习算法(Weight Adaptive Generative Adversarial Imitatio... 详细信息

传统模仿学习需满足专家样本均为质量极高的最优专家样本,这一限制条件既提高数据的采集难度也限制算法的应用场景.由此,文中提出基于噪声对比估计的权重自适应对抗生成式模仿学习算法(Weight Adaptive Generative Adversarial Imitation Learning Based on Noise Contrastive Estimation,GLANCE),在专家样本质量不一致的任务场景下可保持较高性能.首先,使用噪声对比估计训练特征提取器,改善次优专家样本特征分布.然后,为专家样本设定可学习权重系数,并对基于权重系数重分布后的样本执行对抗生成式模仿学习.最后,基于已知相对排序的评估数据计算排序损失,通过梯度下降法优化权重系数,改善数据分布.在多个连续控制型任务上的实验表明,专家样本质量不一致时,GLANCE仅需要获取专家样本数据集上5%数据作为评估数据集,就可以达到较优的性能表现.

关键词：强化学习模仿学习噪声对比估计自适应权重

来源：评论

学校读者我要写书评

暂无评论

基于跨模态实体信息融合的神经机器翻译方法

引用

自动化学报 2023年第6期49卷 1170-1180页

作者：黄鑫张家俊宗成庆中国科学院自动化研究所模式识别国家重点实验室北京100190 中国科学院大学人工智能学院北京100049

现有多模态机器翻译(Multi-modal machine translation,MMT)方法将图片与待翻译文本进行句子级别的语义融合.这些方法存在视觉信息作用不明确和模型对视觉信息不敏感等问题,并进一步造成了视觉信息与文本信息无法在翻译模型中充分融合... 详细信息

现有多模态机器翻译(Multi-modal machine translation,MMT)方法将图片与待翻译文本进行句子级别的语义融合.这些方法存在视觉信息作用不明确和模型对视觉信息不敏感等问题,并进一步造成了视觉信息与文本信息无法在翻译模型中充分融合语义的问题.针对这些问题,提出了一种跨模态实体重构(Cross-modal entity reconstruction,CER)方法.区别于将完整的图片输入到翻译模型中,该方法显式对齐文本与图像中的实体,通过文本上下文与一种模态的实体的组合来重构另一种模态的实体,最终达到实体级的跨模态语义融合的目的,通过多任务学习方法将CER模型与翻译模型结合,达到提升翻译质量的目的.该方法在多模态翻译数据集的两个语言对上取得了最佳的翻译准确率.进一步的分析实验表明,该方法能够有效提升模型在翻译过程中对源端文本实体的忠实度.

关键词：实体重构跨模态学习多任务学习多模态机器翻译

来源：评论

学校读者我要写书评

暂无评论

基于对偶误差的脉冲神经网络目标检测方法

引用

电子与信息学报 2023年第12期45卷 4469-4476页

作者：刘伟李文娟高晋李椋中国科学院自动化研究所模式识别国家重点实验室北京100098 军事认知与脑科学研究所北京100850

脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络,为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难,一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SN... 详细信息

脉冲神经网络(SNN)是一种模拟大脑神经元动力学的低功耗神经网络,为高计算效率、低能源消耗环境部署目标检测任务提供了可行的解决方案。由于脉冲的不可微性质导致SNN训练困难,一种有效的解决方法是将预训练的人工神经网络(ANN)转换为SNN来提高推理能力。然而,转换后的SNN经常遇到性能下降和高延迟的问题,无法满足目标检测任务对高精度定位的要求。该文针对ANN转SNN过程中产生的误差问题,引入对偶误差模型降低转换性能损失。首先,该文分析误差产生原因,构建对偶误差模型来模拟ANN到SNN转换误差。进一步地,将对偶误差模型引入到ANN训练过程,使转换前后的模型在训练和推理过程中误差保持一致,从而降低模型的转换性能损失。最后,利用轻量化检测算法YOLO在数据集PASCAL VOC和MS COCO上验证了对偶误差模型的有效性。

关键词：脉冲神经网络目标检测转换误差对偶误差模型

来源：评论

学校读者我要写书评

暂无评论

基于特征变换和度量网络的小样本学习算法

引用

自动化学报 2024年第7期50卷 1305-1314页

作者：王多瑞杜杨董兰芳胡卫明李兵中国科学技术大学合肥230026 中国科学院自动化研究所模式识别国家重点实验室北京100190 阿里巴巴科技(北京)有限公司北京100016

在小样本分类任务中,每个类别可供训练的样本数量非常有限.因此在特征空间中同类样本分布稀疏,异类样本间边界模糊.提出一种新的基于特征变换和度量网络(Feature transformation and metric networks,FTMN)的小样本学习算法用于小样本... 详细信息

在小样本分类任务中,每个类别可供训练的样本数量非常有限.因此在特征空间中同类样本分布稀疏,异类样本间边界模糊.提出一种新的基于特征变换和度量网络(Feature transformation and metric networks,FTMN)的小样本学习算法用于小样本分类任务.算法通过嵌入函数将样本映射到特征空间,并计算输入该样本与所属类别中心的特征残差.构造一个特征变换函数对该残差进行学习,使特征空间内的样本特征经过该函数后向同类样本中心靠拢.利用变换后的样本特征更新类别中心,使各类别中心间的距离增大.算法进一步构造了一种新的度量函数,对样本特征中每个局部特征点的度量距离进行联合表达,该函数能够同时对样本特征间的夹角和欧氏距离进行优化.算法在小样本分类任务常用数据集上的优秀表现证明了算法的有效性和泛化性.

关键词：特征变换度量学习小样本学习残差学习

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：