Web信息抽取技术研究进展

Web信息抽取技术是当今的一个研究热点.目前出现了基于不同原理的多种信息抽取技术,它们具有不同的性能.本文根据信息抽取的原理,对现有的信息抽取技术进行了分类,结合典型的系统,在语义的附加方式、模式的定义方式、规则的表现形式、语义项的定位方式、对象的定位方式等几方面进行了分析和比较,在此基础上提出了待研究的问题.     

基于YOLOV3改进的虹膜定位算法

针对传统虹膜定位算法定位不准确的问题,利用改进的YOLOV3虹膜定位模型对虹膜定位的准确率加以提高,使其更好应用于生产实践.使用Densenet-121模型作为特征提取模块,并在此基础上通过复制骨干网络得到辅助网络的方式使其更有利于检测小目标,用Non-local注意力机制增强图片获取特征语义信息.采用基于DarkNet-53的YOLOV3模型、Daugman模型及Wilde模型进行对比实验.实验结果表明:本文的实验模型在虹膜定位中的准确率高达97.1%,与其他虹膜定位模型相比具有明显优势.     

基于本体的网络问答式语义检索系统

从问句分析、信息检索和答案抽取3个环节介绍了基于本体的网络问答式语义检索系统的基本原理及技术方案,描绘了该项目的应用服务以及发展前景。     

基于语义标注的信息抽取

词性标注是引起语义缺失的根本原因,提出了以语义标注作为构建信息抽取规则的基础。基于语义标注的信息抽取可消除词性标注引起的3个负面影响,用统一的方法来指导信息抽取过程。这种方法避开语法分析,具有较细的处理粒度,对语义规则性强的领域有一定的普遍适用性。设计了基于语义标注的MIE(军用信息抽取)系统,并对标图文本试行信息抽取。抽取结果表明,基于语义标注的信息抽取方式有一定的可行性和适用性。     

基于目标检测的单目视觉半稠密语义地图构建

传统的视觉SLAM系统在机器人定位和制图工作中取得了显著的成功,但存在着缺乏场景信息、地图过于稀疏、单目相机初始化困难等亟待解决的问题。本文提出了MNS-SLAM（Monocular-semantic SLAM）,将目标检测算法与单目视觉SLAM（同时定位与地图构建）技术相结合,进而构建有助于环境理解的半稠密语义地图。首先,通过目标检测网络YOLOv4检测对象获取边界框和类别信息,通过消失点算法和二次曲面恢复算法由2D目标检测恢复出3D长方体及二次曲面,实现3D物体的位姿初始化。同时,引入了目标间相对位姿不变性的语义约束,构造了语义损失函数,将其添加到BA优化中,最后通过增量式3D线段提取,构建带有物体语义信息的半稠密地图。文中方法在TUM公开数据集和真实场景中进行试验,不仅构建了半稠密地图,同时添加了语义信息,为后端的优化提供了新的约束,相机的绝对和相对位姿误差表现出优于单目ORB-SLAM2的性能,有助于搭载单目相机的移动机器人感知和理解环境,执行更复杂的任务。     

Web信息抽取与语义检索框架

提出了一种Web信息抽取与语义检索框架,采用定制本体模型,针对Web网页特点设计了抽取与语义标引策略,并在检索过程中引入语义推理机制,从而改善了信息检索的效果.最后介绍了基于Jena实现的该框架的原型系统.     

基于CFN的教材内容提要信息抽取研究

文章选用教材义特征向量作为信息抽取的基础,并用神经网络方法对语料进行训练学习并自动获取模板语义特征向量,最后结合目标模板抽取出所需信息.这种方法避开语法分析,具有较细的处理粒度,对语义元素搭配形式相对规范的领域具有一定的普遍适用性.实验结果表明,基于中文框架语义的信息抽取方法具有相对较高的准确率.     

基于训练模型改进的语音问句信息抽取方法

为进一步提高客户语音问句实体信息抽取的准确性,增强智能问答系统知识图谱中信息抽取技术的整体效果,首先对语义标注进行优化,随后在BiLSTM-CRF(bidirectional long short-term memory conditional random filed)基础上加入BERT(bidi-rectional encoder representation from transformers)模型对句子进行实体抽取学习.在具体实验中,以语音问句事件文本为数据来源,对其进行语义标注和实体抽取实验.结果 表明,在语义标注优化的基础上同时加入BERT改进模型,信息抽取结果均高于BiLSTM-CRF方法,且改进模型的调和平均值达到91.53％,即可为增强事件实体信息抽取提供实践意义.     

基于核心依存图的新闻事件抽取

基于核心依存图(kernel dependency graph,KDG)的事件抽取主要通过语义结构进行匹配。在已构建的越-英-汉南海新闻框架网络基础上,主要对KDG语义分析模式、基于核心依存图的新闻事件抽取分析以及核心依存图生成和新闻事件信息抽取进行研究。研究重点包括典型KDG、零形式框架元素和框架元素融合等特殊KDG的分析模式,面向事件信息抽取的KDG的表示模式和标注例句自动生成KDG的过程。研究结果表明,基于KDG的事件信息抽取方法直观明了、语言学理据充分,具有一定的可行性,对新闻文本中的语义线索发现较为适合。目前已经可以从已完成框架语义标注的例句中自动生成KDG并抽取出相应的事件模型。     

人眼特征提取技术研究综述

基于语义的图像检索是目前人脸图像检索领域研究发展的新趋势,所谓语义化人脸图像检索,通常是指根据待检索人脸图像的特征,去语义数据库中搜索最为匹配的人脸图像的过程,眼睛是人脸部特征的重要组成部分,眼睛的检测对于人脸信息的处理具有重要的意义;当前学术领域关于眼部特征提取的研究有很多,目前还没有一种眼部特征提取技术是公认快速有效的,主要讨论了人眼特征提取技术的一些主要方法,对现有的人眼定位,人眼区域分割,人眼特征提取的方法进行分析和讨论;最后对基于眼部特征语义化图像检索的发展和应用做一个简单的展望。     

WWW网站分类体系包装器WCSW

Web网站按自身的导航体系组织信息,其导航体系中含有分类语义特征.为实现有效的Web信息抽取,针对Web网站的分类体系,提出了基于HTML页面分块算法的Web网站分类体系包装器WCSW(website classification system wrapper),WCSW将整个网站作为包装对象,以分块算法和块语义特征分析为基础,根据抽取规则对网站具有分类语义的导航信息块进行处理.实验结果表明:抽取的Web网站分类层次的准确率较高,实用性较强.     

面向MOOC的知识可视化视觉表征与建模设计

针对MOOC学习缺乏深度的现象,提出了面向MOOC的知识可视化视觉表征与建模设计.剖析了MOOC学习缺乏深度的主要问题和信息加工的内在要求,厘清了知识可视化、表征、建模等基本概念;在借鉴了视觉传播取向和信息论视角的知识表征基础上,提出了面向MOOC的视觉表征框架;在此框架下,分别从语义、语用、语法信息三要素着手,阐释了具体的分析方法.在语义上,基于Bloom教学目标分类法确定知识的类型、提取过程和表征方法;在语用上,陈述了信息有效传达的基本原则;在语法上,介绍了具体的结构模型和可视化方法.实践证明,MOOC的学习者在表征框架下,能增强认知联结、拓展广度、增加深度,从而满足深度学习的诉求.     

采用车载激光雷达的带状地物矢量化与结构特征提取

针对车载激光点云带状地物形状多样、难以用规则语义信息矢量化,以及结构语义信息提取研究较少的问题,提出一种基于Ribbon Snake模型的车载激光雷达带状地物(道路边界、实线型标线、铁轨)矢量化与结构特征提取方法.首先,通过格网剖分构建点云特征图,利用Ribbon Snake模型提取带状地物矢量化数据;然后,分析不同道路和铁路场景的结构特征,生成具有准确几何和拓扑结构信息的三维矢量数据和属性数据.实验表明:该方法能够准确地提取带状地物矢量化与结构信息,实现不同场景下带状地物的有效完整描述.     

基于概念的视频检索中概念语义匹配算法研究

为了实现基于概念视频检索中从底层内容到查询的语义贯通,应用基于WordNet词典的语义相似度算法,通过对三种不同原理的算法对比应用,得出基于信息量算法在本应用中更有优势,语义匹配可以提高检索精度,最优映射数目为2至3个,以及在目前发展水平下,映射到合适的概念比检测器精度更合适四个重要结论．     

直流输电线路行波故障测距系统

介绍了一种采用现代行波故障测距技术的直流输电线路故障测距系统的工作原理、系统结构及其实际运行经验.该系统集成了现代D型和A型2种行波故障测距原理,并且包含3个不同的组成部分:行波采集与处理系统、通信网络和PC主站.现场运行经验表明,该系统具有很高的可靠性和准确性,其测距误差不超过3 km.     

一种基于案例分析的文本信息抽取技术

信息抽取技术是深层次分析文本语义信息的基础.随着数据量的增加,尤其是针对海量网络信息分析的需求,传统的基于手动标注或人工干预的训练分类方法已不能满足要求.以“大学生心理健康”相关网页作为信息语料,提出一种基于案例分析的文本数据抽取方法,可以实现跨领域信息自动抽取,能够快速有效地获得满足用户需求的信息.     

Semantic Extraction for Multi-Enterprise Business Collaboration

Semantic extraction is essential for semantic interoperability in multi-enterprise business collaboration environments.Although many studies on semantic extraction have been carried out,few have focused on how to precisely and effectively extract semantics from multiple heterogeneous data schemas.This paper presents a semi-automatic semantic extraction method based on a neutral representation format(NRF)for acquiring semantics from heterogeneous data schemas.As a unified syntax-independent model,NRF remo...     

基于语义标注和最小二乘神经网络的信息抽取

提出了一种基于语义标注和最小二乘神经网络信息抽取的方法,并选用教材为研究对象,以语义标注作为构建信息抽取规则的基础,以原始文本与目标模板之间的相似度作为竞争力,通过原始文本与目标模板的竞争来实现原始文本的分类和噪声信息的过滤,直接从分类的角度抽取出教材信息。     

路由冲突下语义特征信息优化查准算法

针对路由冲突下语义特征信息进行查准,一直存在查准率低的问题。提出一种新的语义特征信息查准算法,首先构建路由冲突下语义网的本体模型,提高语义网中数据的特征分类挖掘和检索能力;接着采用概念树三叉分割思想,实现路由冲突下的语义特征信息的分析;最后通过灰色关联度信息综合评价方法解决语义多属性决策问题,提高了路由冲突下语义特征信息查询的查准率。实验仿真结果证明,采用改进的查准算法在路由冲突下进行语义信息检索其查准率较高,语义特征提取结果准确,提高了语义搜索的准确度,应用价值较高。     

基于语义Web的多功能情报信息自适应检索技术

为了解决传统依据关键字、概念和属性值等检索技术没有考虑不同主体中情报信息间的语义关系,无法提供令用户满意的情报检索结果问题,通过语义Web方法研究了多功能情报信息自适应检索技术。设计基于语义Web的多功能情报信息自适应检索模型,检索模型包括人机交互层、知识处理层以及知识存储层。在知识存储层建立本体语义模型。在知识处理层,从检索的多功能情报信息关键词中推断和其语义有关的概念,依据概念有关词汇对原始查询进行扩展,对语义相似度进行计算。在人机交互层,将用户反馈情况看作判断检索结果优劣的衡量因素,依据相似关键词获取相似结果集,按照反馈因子完成对所有相似结果的排序,把排序结果发送给用户,实现多功能情报信息自适应检索。结果表明,所提方法能够同时保证召回率与精度;排序误差率低;检索结果和用户查询结果最相符,检索结果准确,可令用户满意。可见所提方法检索性能强。