融合上下文信息和关键信息的文本摘要

文本摘要的一个迫切需要解决的问题是如何准确地概括文本的核心内容.目前文本摘要的主要方法是使用编码器-解码器架构,在解码过程中利用软注意力获取所需的上下文语义信息.但是,由于编码器有时候会编码过多的信息,所以生成的摘要不一定会概括源文本的核心内容.为此,该文提出一种基于双注意指针网络的文本摘要模型.首先,该模型使用了双注...     

基于知识图谱和频繁序列挖掘的旅游路线推荐

大数据在提供海量多源信息的同时,也带来了信息过载问题,这在旅游领域内表现得尤为突出。针对当前游客在制定旅行路线时需要花费大量时间和精力的现状,首先,提出一种融合多源旅游数据构建知识图谱的方法,有效地抽取相关旅游领域知识;其次,利用知识图谱及大量旅行游记生成旅游路线数据库,并提出一种能够根据游客类型生成海量候选路线的频繁路线序列模式挖掘算法;最后,设计了一种多维度路线搜索和排序机制来为用户推荐个性化的旅游路线。基于真实旅游大数据的实验结果表明,该方法可以同时考虑旅行天数、人物类型和景点类型喜好等多方面因素,帮助游客快速制定个性化的旅行路线,有效提升游览体验。     

基于条件生成式对抗网络的情感语音生成模型

提出了一种基于条件生成对抗网络的情感语音生成技术,在引入情感条件的基础上,通过学习语音库中的情感信息,能够自主生成全新的富有指定情感的语音.生成式对抗网络是由一个判别网络和一个生成器组成.使用TensorFlow作为学习框架,利用条件GAN模型对大量情感语音进行训练,利用语音生成网络G和生成网络D构成动态"博弈过程",...     

基于情感信息的商品评论生成式摘要

近些年来，随着电商平台的飞速发展，越来越多的人会选择在网上购物并且对商品进行评价。对于较长篇幅的评论，进行摘要可以让用户快速地了解到商品的优缺点。目前主流的生成式摘要模型大多只考虑文本的序列化信息，而对一个商品评论来说，评论中的商品属性信息和情感信息极为重要。为了让模型学习到评论中的商品属性及情感信息，该文提出了一种融合评论中属性及情感信息的生成式摘要方法。该方法通过将不同种类的情感和属性信息嵌入生成模型的编码阶段的方式，从而有效的结合这些信息。实验证明，该方法可生成更高质量的摘要，生成的摘要在ROUGE评价指标上会有较大幅度的提升。     

基于关键词与指针生成网络的摘要生成算法

为解决传统生成式模型在生成摘要的过程中会忽略关键词信息为摘要提供的重要线索, 导致关键词信息的丢失, 生成的摘要不能很好地契合原文信息, 文章提出了一种以指针生成网络为骨架融合BERT预训练模型和关键词信息的摘要生成方法. 首先, 结合TextRank算法与基于注意力机制的序列模型进行关键词的提取, 使得生成的关键词能够包含更多的原文信息. 其次, 将关键词注意力加入到指针生成网络的注意力机制里, 引导摘要的生成. 此外, 我们使用双指针拷贝机制来替代指针生成网络的拷贝机制, 提高拷贝机制的覆盖率. 在LCSTS数据集上的结果表明, 所设计的模型能够包含更多的关键信息, 提高了摘要生成的准确性和可读性.     

一种简捷的旅游景点推荐方法

面对旅游业的快速发展及旅游信息的爆炸式增长,景点推荐不仅能节约游客搜索旅游信息的时间,还能给他们带来许多便利.提出一种简捷的旅游景点推荐方法,通过获取旅游平台上用户对旅游景点的访问量、收藏数及点击率等信息,采用基于用户的协同过滤算法来为游客进行景点推荐.实验结果表明,该方法是正确可行的,并且用户对推荐结果满意度较高.     

基于BERT+BiLSTM+CRF的中文景点命名实体识别

为解决旅游文本在特征表示时的一词多义问题, 针对旅游游记文本景点实体识别中景点别名的问题, 研究了一种融合语言模型的中文景点实体识别模型. 首先使用BERT语言模型进行文本特征提取获取字粒度向量矩阵, BiLSTM用于上下文信息的提取, 同时结合CRF模型提取全局最优序列, 最终得到景点命名实体. 实验表明, 提出的模型性能提升显著, 在实际旅游领域内景点识别的测试中, 与以往研究者方法比较下准确率, 召回率分别提升了8.33%, 1.71%.     

基于变分自编码的半监督微博文本情感分析

针对微博文本情感分析中大量有标记数据难获取,以及文本特征学习不完全的问题,提出将长短时记忆网络(Long Short-Term Memory,LSTM)及其衍生模型双向长短时记忆网络(Bi-LSTM)引入变分自编码生成模型,构建基于变分自编码的半监督文本分类模型.其中LSTM作为变分编码器中的编码器和解码器,Bi-LSTM作为分类器.分类器既为编码器提供标签信息共同生成隐变量,也与隐变量通过解码器共同重构数据,利用无标记数据的有用信息提高分类器的性能.与其他方法在同一公开数据集上对比的实验结果表明,该模型的分类效果更好.     

一种融合主题的PGN-GAN文本摘要模型

为了改进生成式文本的摘要模型，本文提出了一种基于主题的生成对抗与指针网络结合的文本摘要模型.首先通过LDA主题建模方法获取主题词，在获取单词的主题向量后，将结合主题的词向量与传统的序列注意力相结合，形成新的复合注意力共同影响单词的生成，然后通过加入生成对抗网络以在指针生成网络上取得了更好的效果.实验采用gigaword数据集进行训练，采用ROUGE评分机制进行评分，结果证明由于融入主题因素，相比单独采用指针网络我们的模型提升了摘要结果的可读性及准确性，具有更好的表现.     

基于指针生成网络的中文对话文本摘要模型

针对传统Seq2Seq序列模型在文本摘要任务中无法准确地提取到文本中的关键信息、无法处理单词表之外的单词等问题,本文提出一种基于Fastformer的指针生成网络(pointer generator network, PGN)模型,且该模型结合了抽取式和生成式两种文本摘要方法.模型首先利用Fastformer模型高效的获取具有上下文信息的单词嵌入向量,然后利用指针生成网络模型选择从源文本中复制单词或利用词汇表来生成新的摘要信息,以解决文本摘要任务中常出现的OOV(out of vocabulary)问题,同时模型使用覆盖机制来追踪过去时间步的注意力分布,动态的调整单词的重要性,解决了重复词问题,最后,在解码阶段引入了Beam Search优化算法,使得解码器能够获得更加准确的摘要结果.实验在百度AI Studio中汽车大师所提供的汽车诊断对话数据集中进行,结果表明本文提出的FastformerPGN模型在中文文本摘要任务中达到的效果要优于基准模型,具有更好的效果.     

融合BERT-WWM和指针网络的旅游知识图谱构建研究

针对旅游信息呈现出散乱、无序和关联性不强的问题,提出一种融合BERT-WWM（BERT with whole word masking）和指针网络的实体关系联合抽取模型构建旅游知识图谱。借助BERT-WWM预训练语言模型从爬取的旅游评论中获得含有先验语义知识的句子编码。针对传统的实体关系抽取方法存在错误传播、实体冗余、交互缺失等问题,以及旅游评论中的实体关系存在一词多义、关系重叠等特征,提出直接对三元组建模,利用句子编码抽取头实体,根据关系类别抽取尾实体,并建立级联结构和指针网络解码输出三元组。基于Neo4j图数据库存储三元组构建旅游知识图谱。实验在建立的旅游数据集上进行,融合BERT-WWM与指针网络的实体关系联合抽取模型的准确率、召回率和F1值分别为93.42%、86.59%和89.88%,与现有模型相比三项指标均显示出优越性,验证了该方法进行实体关系联合抽取的有效性。构建的旅游知识图谱实现了旅游景区信息的整合与存储,对进一步促进旅游业发展具有一定的实际参考意义。     

基于概率主题模型的景点知识挖掘及其可视化

针对旅游文本噪声多、景点多且展示不直观的问题,提出一种基于概率主题模型的景点-主题模型。模型假设同一篇文档涉及多个具有相关关系的景点,引入“全局景点”过滤噪声语义,并利用Gibbs采样算法估计最大似然函数的参数,获取目的地景点的主题分布。实验通过对景点主题特征进行聚类,评估聚类效果从而间接评价模型训练效果,并定性分析“全局景点”对模型的作用。实验结果表明,该模型对旅游文本的建模效果优于基准算法TF-IDF与隐含狄利克雷分布（LDA）,且“全局景点”的引入对建模效果有明显的改善作用。最后通过景点关联图的方式对实验结果进行可视化展示。     

基于物联网的旅游安全监测信息服务站的设计与实现

针对高海拔景区安全监测与管理问题,提出了基于物联网的旅游安全监测信息服务站架构,建立了信息服务主站和分站,由景区安全信息服务中心主站和游客位置、地质灾害、视频监控等信息服务分站组成。主站将分站现场实时获取的地质灾害信息、游客位置信息和视频图像存储在本地服务器或经由3G传输到指挥中心,实现为应急救援机构、旅行社与计划出行的游客等提供预警信息服务。     

基于VR技术的三维图像景区救助人员定位仿真

为了解决传统技术易受外界干扰,造成三维图像景区救助人员视觉特征存在缺失,导致后续定位精度偏低的问题,提出基于VR技术(虚拟现实技术)的三维图像景区救助人员定位方法。对真实景区环境利用激光测量技术(LMS)进行平扫,获得景区三维扫描点云;采用VR技术进行景区图像三维重建,从中设置几何投影模型表示在现实环境中的透视转换模型,通过非线性算法提取描述救助人员的视觉特征;利用Euler距离实现景区救助人员视觉特征匹配与定位。实验结果表明,将本文的方法应用于三维图像景区救助定位,大大提高了救助人员定位的准确性和效率,证明了上述方法相对于传统的定位方法更具鲁棒性,能够稳定快速地完成三维图像景区救助人员目标的定位。     

基于混合整数规划的旅游车辆调度设计和仿真

在分析影响车辆调度及路线安排的各种因素的基础上,对旅游车辆调度问题进行了描述.针对问题的复杂性,采用混合整数规划方法对带时间约束的旅行社配送车辆调度问题进行建模,并将该问题分解为车辆分配和同一类特征景点单向旅游路线安排两个相关联的问题进行求解,并且在 ILOG OPL Studio 平台上对模型进行了仿真实现.ILOG OPL Studio是一个运用优化技术补充支持重要资源的完善平台,加速了优化问题的建模和开发运用.结论表明,所提模型对景点群的旅游路线优化安排的效果是有效的.     

基于OCC模型和贝叶斯网络的情绪句分类方法

情绪句分类是情绪分析研究领域的核心问题之一,旨在解决情绪句类别的自动判断问题。传统基于情绪认知模型(OCC模型)的情绪句分类方法大多依赖词典和规则,在文本信息缺失的情况下分类精度不高。文中提出基于OCC模型和贝叶斯网络的情绪句分类方法,通过分析OCC模型的情绪生成规则,提取情绪评估变量并结合情绪句中含有的表情符号特征构建情绪分类贝叶斯网络;通过概率推理,可以实现句子级文本的情绪分类,并减小句中信息缺失所带来的影响。与NLPCC2014中文微博情绪分析评测的子任务情绪句分类评测结果的对比表明,所提方法具有有效性。     

信息条件下基于预期后悔更新生成备选路径仿真研究*

为了研究影响私家车驾驶者备选路径生成的因素,以预期后悔理论为基础,借助贝叶斯网络推理方法,计算了私家车驾驶者受先验知识和出行信息双重影响下的备选路径生成。通过改进的贝叶斯网络结构和参数学习程序建立了实验路网的贝叶斯网络结构,对生成的网络结构进行了参数学习,模拟了不同出行信息和先验条件下生成的备选路径,得出了驾驶者备选路径生成与驾驶者先验知识和出行信息的变化关系。     

Neural network model for rapid forecasting of freeway link travel time

Estimation of freeway travel time with reasonable accuracy is essential for successful implementation of an advanced traveler information system (ATIS) for use in an intelligent transportation system (ITS). An ATIS consists of a route guiding system that recommends the most suitable route based on the traveler's requirements using the information gathered from various sources such as loop detectors and probe vehicles. This information can be disseminated through mass media or on on-board satellite-based navigational system. Based on the estimated travel times for various routes, the traveler can make a route choice. In this article, a neural network model is presented for forecasting the freeway link travel time using the counter propagation neural (CPN) network. The performance of the model is compared with a recently reported freeway link travel forecasting model using the backpropagation (BP) neural network algorithm. It is shown that the new model based on the CPN network, and the learning coefficients proposed by Adeli and Park, is nearly two orders of magnitude faster than the BP network. As such, the proposed freeway link travel-forecasting model is particularly suitable for real-time advanced travel information and management systems.     

基于物联网的旅游景区垃圾分类智能管理系统的开发

旅游景区人口密集流动性大,景点分布范围广占地面积大,垃圾桶分布较为稀疏。因此有些游客随意乱扔垃圾,不仅会破坏景区的环境,并且影响游客的消费体验。这一行为会污染景区生态环境,产生一系列有害气体,对游客造成心身伤害,同时也会对景区的生态造成破坏,甚至有着火灾隐患。针对这一问题,提出基于物联网的旅游景区垃圾分类智能管理系统,应用人脸识别技术为每位游客生成身份信息,建立垃圾投放的可追溯机制。使用物联网及垃圾分类识别技术提升了垃圾分类的智能化水平。设计了与旅游景区管理相适应的垃圾分类奖惩办法,有助于培养游客的垃圾分类意识。