基于多标注源的Deep Web查询结果自动标注

Deep Web查询结果的语义标注,是Deep Web数据集成的关键问题之一。提出基于多标注源的Deep Web查询结果自动标注框架,根据不同的特征设计多个标注器。基于搜索引擎的标注器,扩展AI领域常用的问答技术,构造验证查询并提交到搜索引擎,利用返回结果选择最合适的词汇用于标注,有效提高了标注的查准率和查全率。多个领域Web数据库的测试证明了该方法的有效性。     

右值引用概述

右值引用（Rvalue Reference）是对C＋＋语言的一个技术小扩展。有了它,程序员可以在逻辑上规避临时对象的无谓复制,即搬移语义（move Semantics）,并可实现完美转发（perfect forwarding）。本文是对右值引用这个C＋＋语言新特性的概述。     

跨层协同注意和通道分组注意的细粒度图像分类

细粒度图像分类的主要挑战在于类间的高度相似性和类内的差异性. 现有的研究多数基于深层的特征而忽略了浅层细节信息, 然而深层的语义特征由于多次卷积和池化操作往往会丢失大量的细节信息. 为了更好地整合浅层和深层的信息, 提出了基于跨层协同注意和通道分组注意的细粒度图像分类方法. 首先, 通过ResNet50加载预训练模型作为骨干网络提取特征, 由最后3个阶段提取的特征以3个分支的形式输出, 每一个分支的特征通过跨层的方式与其余两个分支的特征计算协同注意并交互融合, 其中最后一个阶段的特征经过通道分组注意模块以增强语义特征的学习能力. 模型训练可以高效地以端到端的方式在没有边界框和注释的情况下进行训练, 实验结果表明, 该算法在3个常用细粒度图像数据集CUB-200-2011、Stanford Cars和FGVC-Aircraft上的准确率分别达到了89.5%、94.8%和94.7%.     

基于LSDANet的手机芯片屏蔽壳表面缺陷检测方法

为了解决手机芯片屏蔽壳表面白印缺陷微小、尺度各异等因素影响检测快速性和准确性的问题,本文提出一种基于长短连接通路和双注意力网络(long short link and double attention network, LSDANet)的手机芯片屏蔽壳表面缺陷检测方法。首先,通过构建基于编码和解码的语义分割模型和利用长短距离连接通路,提高网络模型对尺度各异缺陷的特征提取能力。其次,分别设计基于通道和空间的注意力机制,增大5—10 pixel尺寸的白印缺陷在空间和通道上的特征权重。最后,融合双注意力机制和长短距离连接通路分割模型,构建LSDANet缺陷检测网络,应用于手机芯片屏蔽壳表面缺陷检测。实验数据表明,LSDANet网络能够达到96.21%的平均像素精度、66.13%的平均交并比和39.03的每秒检测帧数,相比多种语义分割算法均具有更高的检测精度和速度。     

汉语服装词语的借代思维和传统文化内涵分析

在华夏服饰漫长的发展历程中,逐渐产生了许多表示服装的名称,或者与之相关的词语,这些名称和词语统称为"汉语服装词语".通过对这些词语进行解读,可以让人们认识到服装除具有保暖、遮羞、装饰等作用以外,还蕴含着丰富的借代思维以及深厚的传统文化内涵.文章分别针对汉语服装词语的借代思维和传统文化内涵进行系统化研究,希望能够为相关研...     

一种增强的多粒度特征融合语义匹配模型

语义匹配作为自然语言处理任务中重要的一环,直接制约问答系统、信息检索等任务的效率。针对现有语义模型大多只以词为基本语义单元进行注意力交互,较少考虑中文中的词边界模糊和字符信息获取不足而带来的语言颗粒度对整体建模忽略的问题,提出一种增强的多粒度特征融合语义匹配模型EMGFM。首先结合BERT模型和word2vec以获得增强的字符向量表示,然后从字、词、句三种粒度进行注意力的交互,并对交互结果进行加权融合,以突出不同交互信息对整体建模的贡献。为减少交互过程中产生的信息损失,通过构造差异性来对交互信息进行信息增强。最后通过最大池化、平均池化两种方式获得文本的最终语义表示以进行匹配度的计算。该模型在CCKS问句匹配大赛中文数据集上达到了87%的正确率,相比于一些语义匹配的经典模型准确率均有提升,证明该方法确实能有效提升问句语义匹配的准确性。     

基于卷积神经网络的多模型交通场景识别研究

利用人工智能中的视觉分析技术,实现对高分辨率交通视频中出现的各个目标类别进行实时目标检测、语义分割和目标追踪。数据集结合BDD100K和Mapillary Vistas。训练中不仅对模型中的参数进行调整,还对多个模型进行改进与创新。目标检测模型使用EfficientNet-B1作为主干网络,使用ASPP与改进后的FPN作为脖颈网络,通过引入多种模型训练技巧,对模型进行优化,最终结果减少约2.3倍的参数量,在不同数据集上的准确率都有所提升。目标追踪使用DeepSort追踪算法对多个目标类别进行追踪计数。语义分割使用Encoder-Decoder结构,使用EfficientNet-B4作为主干网络,参照U-Net++网络使用卷积层作为特征提取模块,反卷积层作为上采样模块,通过联结不同大小的特征图,得到最终输出结果。将改进语义分割模型与MobileNetV2和DeeplabV3网络结合的模型进行对比,减少约1.35倍的参数量。实验证明,通过深度学习算法提取鲁棒性特征能够为自动驾驶和辅助驾驶场景中的检测识别提供便利。     

基于RDF4S的一种轻量语义Web服务组合

首先简要介绍语义Web服务资源描述框架(RDF4S),在此基础上提出语义Web服务包装机制,语义Web服务经包装后,分别通过组合接口和调用接口为组合语义Web服务的设计与调用提供支持.然后分别详细介绍组合语义Web服务的设计存储和调用执行:通过图形化的设计工具按照语义Web服务的3种基本逻辑关系设计组合结构图,然后将该图映射到组合结构信息表存储,组合语义Web服务执行时根据结构信息表生成语义Web服务代理对象和相应的语义消息,再根据语义消息传递机制调用Web服务实体.最后用一个实例展示组合语义Web服务执行时的消息传递,试验表明该方法有效.     

建筑与语言:形态句法—形态语义的关系与组构(比喻)

作为空间句法的一个关键概念,空间组构是通过建筑与语言的类比而建立的,居住环境的文化模式类似于我们在说话和写作中使用的语言规则^[1]。然而,尽管有这种类比,空间句法寻求“自主的描述权”,并尽可能地将语言上的干预降到最低,认为语言在分析和设计中是一个不适当的工具。因此,语言对我们空间体验的组织能力没有被包括在空间句法的范畴之内,同样也没有被包括在设计的范畴之内,而建筑和语言之间的形态学协同作用仍然没有得到探索。本文通过4条主线来讨论建筑和语言的关系:a.语言在社会生活和设计中的意义;b.分析希利尔(Hillier)和汉斯(Hanson)在《空间的社会逻辑》^[2]中提出的解释性体系,形成空间句法研究中所使用的解释性概念结构;c.通过物体与物质的本质区分^[3]、解释分析类目的来源,以便将空间句法从分析理论扩展到设计理论;d.以建筑与象征性语言的类比为工具,对实例进行分析。基于赫耶姆斯列夫(Hjelmslev)^[4]的语言理论基础,本文认为,就像所有有组织内容的系统一样,“非话语技术”^[1]     

基于计算解语义的逻辑程序测试和调试框架

逻辑程序开发过程中需要花费大量的时间用以程序调试,原因之一是调试通常包含大量的用户交互.减少对调试过程不必要的调用能够提高软件开发的效率.程序测试中得到的由同一个错误引发的多个症状是引发对调试过程不必要调用的因素之一.给出了一种逻辑程序测试和调试框架,其中测试用例的生成、症状的发现和调试(包括诊断和改错)交叉进行,由同一个错误引发的症状只有一个可引发调试过程执行,并以此方式避免了对调试过程不必要的调用.然后,利用一种基于约束的Prolog计算解语义,该框架被实例化为一种Prolog程序的测试和调试算法,本实例表明了该算法的应用.