利用图像描述与知识图谱增强表示的视觉问答

视觉问答作为多模态任务,需要深度理解图像和文本问题从而推理出答案。然而在许多情况下,仅在图像和问题上进行简单推理难以得到正确的答案,事实上还有其他有效的信息如图像描述、外部知识等可以被利用。该文提出了利用图像描述和外部知识增强表示的视觉问答模型。该模型以问题为导向,基于协同注意力机制分别在图像和其描述上进行编码,并且利用知识图谱嵌入,将外部知识编码到模型当中,丰富了模型的特征表示,增强了模型的推理能力。在OKVQA数据集上的实验结果表明,该方法相比基线方法有1.71%的准确率提升,与已有的主流模型相比也有1.88%的准确率提升,证明了该方法的有效性。     

复杂网络下基于路径选择的表示学习方法

基于路径和基于知识表示的推理是当前知识图谱领域两大主流推理方法,二者的融合算法可以提高知识推理的准确率,但是依旧存在表示学习的时候效率低下、预测准确率低、模型过拟合等若干问题.本文方法针对这些问题提出了基于路径选择的表示学习方法.对路径特征信息进行进一步的过滤和筛选,保留关键路径,在路径信息和知识表示的结合过程中使用平衡参数对缺失路径信息的三元组进行处理.使用公开数据集对模型进行测试,实验表明模型可以有效提高泛化能力和准确率.      

融合文本和路径语义的知识图谱嵌入学习模型

针对现有的融合文本和路径信息的模型未能充分挖掘和利用文本与路径语义的问题，提出了新的知识图谱嵌入学习模型(GETR模型):首先, 利用LDA丰富实体描述文本语义并用TWE获取词和主题向量，采用Bi-LSTM模型把词和主题向量编码融入实体向量表示中，以增强结点的语义表达能力；其次，设计了以组合PageRank和余弦相似度算法为策略的随机游走算法，以获取实体间的多步路径，并利用自注意力机制捕获路径的重要语义融入到翻译模型中进行联合训练，从而达到有效过滤路径中的噪声和提高模型效率的目的.最后，在数据集FB15K、FB20K和WN18上，对GETR、TransE、DKRL、TKGE模型进行知识补全和实体分类任务的评测，结果表明:GETR模型具有更好的性能表现，是一种更加高效的知识表示方法.     

多源知识融合技术研究综述

多源知识融合的研究成果有助于计算机更好地理解人类的智能、人类语言以及人类思维,可以有效地促进网络空间大搜索,有效地促进领域知识图谱的构建,具有巨大的社会经济效益.由于知识获取的不确定性,基于实体识别和关系抽取技术构建的知识图谱,其知识的可靠性和置信度都有待评估,一方面,多源知识推理的过程可以检测冲突,为知识评估和验证提供帮助;另一方面,由知识推理得到的新知识也具有不确定性,需要进行评估和验证.多源知识协同推理不仅包括从多源知识中推断出新知识,还包括冲突检测,即识别错误知识或知识间存在的冲突.从多源知识融合的几个相关概念出发,全面介绍了开源知识融合、多知识图谱融合、知识图谱内部信息融合、多模态知识融合和多源知识协同推理的最新研究进展.在此基础上,探讨了大规模知识库环境下多源知识融合的挑战和未来研究方向.     

Log-Gabor滤波和特征融合的虹膜识别研究

针对Gabor滤波器在提取虹膜纹理特征时带宽受限制的问题，提出了一种Log-Gabor滤波器结合特征融合的虹膜识别方法．该方法利用多尺度多方向二维Log-Gabor滤波器构成的多通道滤波器提取虹膜纹理特征，在特征层利用幅值信息对同尺度下多方向的Log-Gabor特征进行融合，以压缩冗余信息及去除非有效特征，然后对融合后的特征进行相位编码，并运用加权海明距离进行匹配，匹配时借助噪声屏蔽码去除眼睑遮挡干扰．同时，提出一种虹膜图像质量评价方法，     

基于广义粗集和知识共享的供应链需求预测R5模型

在知识共享前提下,提出了供应链需求预测的案例推理R5模型.此模型以粗集方法进行知识发现,建造和划分案例库,以案例推理管理和应用知识,将广义粗集的数据挖掘功能引入案例推理模式当中,用于指导供应链企业从过去的合作经验中有效学习其合作伙伴的“预测知识”,进而利用新的需求信息进行当前产品的需求预测模型选择.仿真算例表明,将变精度粗集和广义相似关系这两种粗集的泛化形式引入案例推理机制,可以提高推理效率和容错性;利用数据挖掘技术,从相关产品的环境信息及供应链成员的特征参数中发现需求预报的领域知识与深层知识,可以降低知识获取成本及模型选择的主观性.     

采用多尺度注意力机制的旋转机械故障诊断方法

针对旋转机械故障诊断需要复杂特征提取过程,且对混有噪声的信号故障识别准确率偏低的问题,提出了一种基于注意力机制的多尺度端到端故障诊断方法。该方法在输入端引入随机丢弃抑制输入噪声,然后利用故障信号具有多个固有振动模态的特点,通过多尺度粗粒度层获取不同尺度下振动信号,进而利用全卷积网络实现多尺度特征提取,接着采用注意力机制将多尺度特征进行融合,最后利用多分类函数实现旋转机械故障诊断。分别在凯斯西储大学轴承数据集和变速箱数据集对该方法的有效性进行验证,结果表明:该方法的故障识别率高达100%;人为引入噪声信号的信噪比为-4dB时,在凯斯西储大学轴承数据集F上的故障识别正确率为84.77%,在齿轮箱数据集上的识别正确率为78.365%,识别正确率明显高于其他机器学习算法,证明了该方法具有较强的抗噪声干扰能力。     

知识过滤和它的依赖推理发现

知识具有颗粒，知识具有粒度；颗粒，粒度是知识的两个基本特征；知识的颗粒特征，知识的粒度特征与知识的属性保持着紧密联系，属性的变化引起知识颗粒特征，知识粒度特征的变化．本文将物理学中物质具有颗粒的概念和过渡的概念引入到粗集（rough set）理论与应用的研究中，提出了知识过滤的概念，给出知识过滤的数值度量，知识筛子原理．利用知识过滤的概念，给出知识过滤在依赖推理中的推理结构，依赖推理的数值关系和在知识发现中的应用．知识过滤与依赖推理相互交叉，互补共享，是知识发现研究的一个新方向．     

融合多路注意力机制的语句匹配模型

为了增强语句内关键信息和语句间交互信息的表征能力，有效整合匹配特征，提出一种融合多路注意力机制的语句匹配模型。采用双向长短时记忆网络获取文本的编码信息，通过自注意力机制学习语句内部的关键信息;将编码信息和自注意力信息拼接之后，通过多路注意力机制学习语句间的交互信息;结合并压缩多路注意力层之前和之后的信息，通过双向长短时记忆网络进行池化获得最终的语句特征，经过全连接层完成语句匹配。实验结果表明，该模型在SNLI和MultiNLI数据集上进行的自然语言推理任务、在Quora Question Pairs数据集上进行的释义识别任务和在SQuAD数据集上进行的问答语句选择任务中均表现出了更好效果，能够有效提升语句匹配的性能。     

混凝土坝长效服役性态的多源信息融合推理方法

利用复杂系统具备学习功能的人工智能技术,构建了基于黑板结构的混凝土坝长效服役性态的多源信息融合推理分析体系,设计了混凝土坝长效服役性态的多源信息融合推理的知识库和推理机制,实现了对多源信息融合算法的综合控制,为提高混凝土坝服役性态安全评价的可靠性和准确性提供技术支持．     

多模态语义协同交互的图文联合命名实体识别方法

针对现有多模态命名实体识别（Multimodal Named Entity Recognition,MNER）研究中存在的噪声影响和图文语义融合不足问题,本文提出一个多模态语义协同交互的图文联合命名实体识别（Image-Text Joint Named Entity Recognition,ITJNER）模型。ITJNER模型加入图像描述作为额外特征丰富了多模态特征表示,图像描述可以帮助过滤掉从图像特征中引入的噪声并以文本形式总结图像语义信息;还构建了多模态协同交互的多模态语义融合模型,可以加强多模态信息融合,并减少图像信息的语义偏差。在Twitter-2015和Twitter-2017数据集上进行方法实验,分析实验结果并与AdaCAN、UMT、UMGF、Object-AGBAN等方法进行对比。相较于对比方法中的最优方法UMGF,本方法在Twitter-2017数据集上的准确率、召回率、F1值分别提高了0.67%、2.26%、0.93%;在Twitter-2015数据集上,召回率提高了0.19%。实验结果验证了本方法的有效性。     

融合门控机制的远程监督关系抽取方法

提出一种融合门控机制的远程监督关系抽取方法。首先在词级别上自动选择正相关特征, 过滤与关系标签无关的词级别噪声; 然后在门控机制内引入软标签的思想, 弱化硬标签对噪声过滤的影响; 最后结合句子级别的噪声过滤, 提升模型的整体性能。在公开数据集上的实验结果表明, 相对于句子级别噪声过滤方法, 所提方法的性能有显著提高。     

面向问答领域的数据增强方法

针对当前自动问答数据增强方法需要大量外部数据的问题,提出一个面向问答模型缺陷的数据增强方法.首先,在训练集上训练好问答模型、问题生成模型以及问答匹配模型;然后,获取问答模型在训练集上预测的所有答案,并选取其中预测错误的答案;再后,使用问题生成模型对这些答案生成相应问题;最后,通过问答匹配模型对生成的问答对进行过滤,保留...     

多源信息的实时智能融合系统研究

面对复杂实时的融合环境 ,现有的信息融合方法仍然存在着许多不足之处 .针对这一问题 ,本文以专家系统技术为基础 ,综合运用数据库技术、神经网络理论和黑板理论 ,对复杂融合系统的知识表示、知识获取、知识管理和实时融合推理机制进行了一些研究 .在此基础上 ,提出了一种多源信息的实时智能融合系统 ,并对该系统中的知识库和推理机进行了详细的论述 .     

基于认知图谱的智能问答系统推理模型研究

目前现有问答系统模型大多数都采用模板匹配的方式进行推理,对问题推理不够充分,因此,提出基于认知图谱的问答系统推理模型.依据专业领域知识作为知识源构建本体;并基于该认知图谱构建了"问题-关系"一对一的认知图谱问答系统模型.最后通过将问答问题划分为简单问题与复杂问题分别对问题进行处理,其中简单问题运用BERT+ CRF(Bidirectional Encoder Representations from Transformers+Conditional Random Field)模型进行模板匹配;针对复杂问题运用Node2vec生成子图后用GCN(Graph Convolutional Network)推理模型进行推理,将得出的答案作为输出结果.最后对所提出的模型通过井下作业领域进行了实验,结果表明认知图谱问答模型优于其他算法模型.     

基于正则约束的分层仿射图神经网络文本分类模型

文本分类是自然语言处理中一个重要的研究课题。近年来，图神经网络（graph neural network，GNN）在这一典型任务中取得了良好的效果。目前基于图结构的文本分类方法存在边噪声和节点噪声干扰、缺乏文本层次信息和位置信息等问题。为了解决这些问题，提出了一种基于正则约束的分层仿射图神经网络文本分类模型Text-HARC，该模型融合了图注意力网络（graph attention network，GAT）与门控图神经网络（gated graph neural network，GGNN），引入正则约束过滤节点与边噪声，分别使用仿射模块与相对位置编码补充词语表示。通过实验，该方法在TREC、SST1、SST2、R8四个基准数据集上的准确率提升明显，消融实验结果也验证了该方法的有效性。     

基于外部知识筛选的主题文本生成技术研究

在自然语言生成任务中，主题文本生成是一项富有挑战性的工作，其主要难点在于：源信息量远小于目标生成的信息量.为了解决该问题，本文提出一个基于外部知识筛选的主题文本生成模型Trans K，通过引入与主题词相关的外部知识来丰富源信息，进而提高生成文本的质量.本文为了解决引入外部知识的“一词多义”问题，提出一种基于线性变换的主题向量计算方法，用于筛选和主题词语义一致的外部知识；提出一种基于注意力机制的外部权重计算方法，为每个外部词设定一个主题权重，使其更贴合文本语义；为了解决主题词（含候选词）在生成文本中反复出现的问题，提出一种基于多头注意力机制的内部权重计算方法.在EASSY数据集上的实验表明，与基线相比，Trans K生成文本质量的各项指标更优.此外，人类评估表明，该模型可生成与主题更相关、语言更连贯、且符合语义逻辑的文本.     

一种Log-Gabor滤波结合特征融合的虹膜识别方法

提出了一种Log-Gabor滤波器结合特征融合的虹膜识别方法.该方法利用多尺度多方向二维Log-Gabor滤波器构成的多通道滤波器提取虹膜纹理特征,在特征层利用幅值信息对同尺度下多方向的Log-Gabor特征进行融合,以压缩冗余信息及去除非有效特征,然后对融合后的特征进行相位编码,并运用加权海明距离进行匹配,匹配时借助噪声屏蔽码去除眼睑遮挡干扰.提出了一种虹膜图像质量评价方法,可有效鉴别不适于识别的低质量虹膜图像.与传统的Gabor方法相比,新识别方法能得到更小的等错误率和相同错误接收率下更小的错误拒绝率,同时又将虹膜特征码的大小压缩为传统方法的1/2,可提高匹配速度及节约存储空间.在CASIA和UBIRIS虹膜库的测试结果表明,与传统Gabor方法相比,该方法在错误接受率为0.01%和0.1%时的错误拒绝率分别降低了0.57%和0.36%,等错误率降低了0.25%,特征码长度为128 B,减少了50%.     

基于案例推理的过滤算法及智能信息推荐系统

智能信息推荐系统能够通过用户偏好,利用信息过滤算法主动剔除无关信息。该文提出了一个基于案例推理的职能信息推荐系统的架构,主要包含数据层、过滤层和结果展示层3个功能层次。设计了一个基于案例推理的过滤算法,将用户对文本的评价定义为案例;采用归一化的Euclidean距离,计算用户之间的相似度。在一个公共数据集上进行了不同过滤算法的reca ll值对比实验。结果表明,采用案例推理技术,对协同过滤的准确度有一定程度的改善。     

多源信息的实时智能融合系统研究

面对复杂实时的融合环境，现有的信息融合方法仍然存在着许多不足之处．针对这一问题，本以专家系统技术为基础，综合运用数据库技术、神经网络理论和黑板理论，对复杂融合系统的知识表示、知识获取、知识管理和实时融合推理机制进行了一些研究．在此基础上，提出了一种多源信息的实时智能融合系统，并对该系统中的知识库和推理机进行了详细的论述．