基于动态常识推理与多维语义特征的幽默识别

随着社交媒体的飞速发展,幽默识别任务受到研究者广泛关注。其目标是判断给定文本是否具有幽默表达。现有方法主要基于幽默产生理论,采用规则或神经网络模型提取多种幽默相关特征,如不一致性、情感和语音等。然而,这些方法未充分捕捉文本内部的情感特征,忽视了隐含在幽默文本中的情感表达,影响了幽默识别的准确性。为解决此问题,该文提出了CMSOR方法,以动态常识和多维语义特征为驱动。首先,利用外部常识信息从文本中动态推理说话者的隐式情感表达;然后,引入WordNet词典计算词级语义距离,捕捉不一致性,并计算模糊性特征;最后,基于这三个特征维度构建幽默语义,实现幽默识别。实验证明,CMSOR模型相对于当前基准模型在三个公开数据集上的识别性能均有显著提升。     

基于多粒度语义交互理解网络的幽默等级识别

幽默在人们日常交流中发挥着重要作用.随着人工智能的快速发展,幽默等级识别成为自然语言处理领域的热点研究问题之一.已有的幽默等级识别研究往往将幽默文本看作一个整体,忽视了幽默文本内部的语义关系.该文将幽默等级识别视为自然语言推理任务,将幽默文本划分为\"铺垫\"和\"笑点\"两个部分,分别对其语义和语义关系进行建模,提出了一种多...     

文本幽默识别综述：从数据到方法

幽默计算研究致力于利用计算机方法理解和识别幽默表达,挖掘幽默潜在的语义内涵,构建面向幽默的计算模型,实现幽默的自动识别和生成,提升人机交互智能程度.在开发基于幽默计算的人工智能系统的需求日益凸显的趋势下,通过文献调研方式进行幽默识别综述.首先,重点研究了幽默特征的提取方法;其次,从数据和方法两个维度总结了文本幽默识别的研究进展.归纳常用数据集的收集标注过程及特点,系统地对比了包括基于传统机器学习和基于深度学习的文本幽默识别方法;最后,对幽默识别领域的相关研究进行了总结与展望.     

基于词特征与语义特征的评价对象识别

网络评论短文本的细粒度情感分析是文本挖掘的研究热点,评价对象作为细粒度情感分析的基础,在识别文本过程中具有重要作用,如何充分利用上下文信息并对其进行有效表示是评价对象识别的难点所在。提出一种结合词特征与语义特征的评价对象识别方法。针对商品评论语料,使用条件随机场进行评价对象识别,在词特征、依存句法特征的基础上引入语义特征,并将各特征进行组合,以充分利用上下文信息,提高评价对象的识别准确性。在手机评论和酒店评论2个数据集上进行实验,结果表明,该方法的识别准确性较高,且F值分别高达75.36%和82.64%。     

基于语义特征的文本情感倾向识别研究*

由于网络评论用语的多样性,常用的文本主题分类方法并不能完全适应情感倾向识别。针对这个问题,从语义理解的角度出发,提出一种基于语义特征的情感倾向识别方法,通过增加语义特征使得原始文本表现出更加明确的情感倾向,并且更加容易区分。实验结果表明了该方法的有效性。     

基于BERT的强化语境与语义信息的对话幽默识别模型

幽默识别是自然语言处理的新兴研究领域之一。对话的特殊结构使得在对话中的幽默识别相较于短文本幽默识别更具有挑战性。在对话中,除了当前话语以外,上下文语境信息对于幽默的识别也至关重要。因此,该文在已有研究的基础上结合对话的结构特征,提出基于BERT的强化语境与语义信息的对话幽默识别模型。模型首先使用BERT对发言人信息和话语信息进行编码,其次分别使用句级别的BiLSTM、CNN和Attention机制强化语境信息,使用词级别的BiLSTM和Attention机制强化语义信息。实验结果表明,该文方法能有效提升机器识别对话中幽默的能力。     

基于长短时预测一致性的大规模视频语义识别算法

片段视频语义识别旨在识别视频中短小片段的语义概念,是视频分析的一项重要任务.由于片段视频的数量巨大且缺乏可参考的网络标签,片段视频的标记十分困难,通常只能对部分片段视频进行标记.如何利用有限的语义标签提高片段视频语义识别的准确率是一项关键挑战.因此本文提出了一种基于长短时预测一致性的视频语义识别算法.该算法通过引入完整...     

解读幽默化产品设计中的语义符号

幽默产品和幽默语言、动作、漫画等一样能使人在心理上达到一种愉悦状态,因此,幽默化产品的特征与汉语中的幽默语义在本质上是相同的。本文从幽默一词的语义入手,总结幽默语言的特征和技巧,然后把这些特征应用于幽默产品,借助语言学、文学和心理学等方面的知识,总结幽默产品之所以幽默的语义特征。     

基于去冗余特征和语义关系约束的零样本属性识别

基于生成式的零样本识别方法在生成特征时受冗余信息和域偏移的影响,识别精度不佳.针对此问题,文中提出基于去冗余特征和语义关系约束的零样本属性识别方法.首先,将视觉特征映射到一个新的特征空间,通过互相关信息对视觉特征进行去冗余处理,在去除冗余视觉特征的同时保留类别的相关性,由于在识别过程中减少冗余信息的干扰,从而提高零样本识别的精度.然后,利用可见类和不可见类之间的语义关系建立知识迁移模型,并引入语义关系约束损失,约束知识迁移的过程,使生成器生成的视觉特征更能反映可见类和不可见类之间语义关系,缓解两者之间的域偏移问题.最后,引入循环一致性结构,使生成的伪特征更接近真实特征.在数据集上的实验证实文中方法提高零样本识别任务的精度,并具有较优的泛化性能.     

基于支持向量机和纹理特征的人脸识别

提出了一种基于支持向量机和纹理特征的识别方法及框架模型。即在研究支持向量机理论的基础上,采用支持向量机的分类算法实现人脸识别系统的训练和测试,并将图像的纹理特征技术应用于人脸识别的预处理中。实验表明支持向量机和纹理特征相结合可以获得较好的识别率。     

音乐信息检索下的乐器识别综述

高效精准的乐器识别技术可以有效地推动声源分离、音乐识谱、音乐流派分类等研究的深入发展,可广泛应用于播放列表生成、声学环境分类、乐器智能教学和交互式多媒体等众多领域。近年来,随着乐器识别研究的不断推进,乐器识别系统在性能上有了大幅提高,但依旧存在着部分乐器难以识别、乐器音频特征提取较为困难、复音乐器识别精准度较低等诸多问题,如何借助人工智能技术对乐器进行高效精准的识别成为当前研究的热点和难点。针对当前研究现状,从乐器识别常用音频特征、乐器识别模型及方法和常用数据集三个方面进行综述,并对当前研究中存在的局限性和未来发展趋势进行总结,为乐器识别研究提供一定的借鉴参考。     

FMNN:融合多神经网络的文本分类模型

文本分类是自然语言处理中一项基本且重要的任务.基于深度学习的文本分类方法大多只针对单一的模型结构进行深入研究,这种单一的结构缺乏同时捕获并利用全局语义特征与局部语义特征的能力,且网络的加深会损失更多的语义信息.对此,提出了一种融合多神经网络的文本分类模型FMNN(A Text Classification Model ...     

主动学习算法综述

主动学习算法作为构造有效训练集的方法,其目标是通过迭代抽样,寻找有利于提升分类效果的样本,进而减少分类训练集的大小,在有限的时间和资源的前提下,提高分类算法的效率。主动学习已成为模式识别、机器学习和数据挖掘领域的研究热点问题。介绍了主动学习的基本思想,一些最新研究成果及其算法分析,并提出和分析了有待进一步研究的问题。     

基于本体关系匹配的信息抽取

目前,稳定可靠的信息抽取是一个有待解决的问题,该文提出了基于本体关系匹配信息抽取算法,应用语义Web把信息抽取目标文档描述为特殊的本体格式,采用机器学习理论对本体进行分析和处理。测试数据集的实验结果显示,本体关系集匹配算法优于其他4种信息抽取算法。     

Toward a computational model of aspect and verb semantics

The authors examine aspect and the semantic classification of verbs, two areas of concern for natural language processing not often studied in the context of computational linguistics. A five-way aspectual classification system is defined on the basis of three aspectual features, making use of the concept of predicates as event structures. The aspectual value of a sentence can differ from that of its predicate due to the operation of aspectual functions. Sentential aspect is ultimately derived from the operation of various components of the sentence on the aspectual properties of the predicate. A system of twelve semantic features describing the core meaning of verbs provides a level of specificity that can distinguish different senses of verbs and could be used to predict their consequent syntactic and semantic behavior. The computational utility of these models will be tested on a working machine translation system.Also affiliated with Siemens Public Switching SystemsThis paper is written in conjunction with a research project funded by the Texas Higher Education Coordinating Board Advanced Research Programs, Grant No. 1631. The paper is a collective effort of the five authors. Although individual members of the group wrote particular portions, the entire group discussed and revised all parts of this work. We are jointly responsible for its contents. We wish to thank the journal's anonymous referees for their extremely helpful comments.     

基于机器学习的人工智能语义分析方法

针对中国移动河南公司对敏感数据的金库管控现状,设计采用机器学习的框架数据,结合挖掘算法和贝叶斯算法,并运用中文分词的原理形成人工智能语义分析方法,在对敏感操作源头进行操作时,可以有效地规范和约束行为,增强对人为访问敏感数据时的甄别及管控能力,进而为各类敏感数据提供保护措施和精准的前提要素。     

非结构化信息抽取关键技术研究探讨

以基于内在认知机理的知识发现理论为指导,针对汉语命名实体识别的难点,充分考虑专家知识在命名实体识别中的作用;根据不同的实体类型,采用灵活变化的统计与规则相结合的方式;采用各种技术来研究信息抽取的任务,如：机器学习技术、篇章分析与理解技术、句法分析技术、图算法与图挖掘技术、词计算技术、快速全文检索技术等;该文探讨的是不仅要从文本中获取简单子句中的关系,还要获得跨句子、段落中的实体关系。