基于主题注意力层次记忆网络的文档情感建模

针对文档水平情感分析传统模型存在先验知识依赖以及语义理解不足问题,提出一种基于注意力机制与层次网络特征表示的情感分析模型TWE-ANN.采用基于CBOW方式的word2vec模型针对语料训练词向量,减小词向量间的稀疏度,使用基于Gibbs采样的LDA算法计算出文档主题分布矩阵,继而通过层次LSTM神经网络获取更为完整的文本上下文信息从而提取出深度情感特征,将文档主题分布矩阵作为模型注意力机制提取文档特征,从而实现情感分类.实验结果表明:提出的TWE-ANN模型较TSA、HAN模型分类效果较好,在Yelp2015、IMDB、Amazon数据集上的F值分别提升了1.1%、0.3%、1.8%,在Yelp2015和Amazon数据集上的RMSE值分别提升了1.3%、2.1%.     

基于图像上下文语义信息的场景分类方法

针对传统“视觉词袋模型”在进行场景分类时只利用图像的特征域,忽略其空间域中上下文语义信息的问题,提出一种基于图像上下文语义信息的场景分类方法.在传统“视觉词袋模型”的基础上,引入马尔科夫随机场模型对图像上下文语义信息进行建模,利用潜在的狄利克雷分布学习场景的主题分布,且利用支持向量机构造场景分类器.对16类场景的分类实验证明该方法能够有效提高分类精确度     

层次短语翻译的神经网络调序模型

调序歧义是层次短语翻译模型面临的主要挑战之一,但在该类模型中使用的上下文信息非常有限,制约了该类模型处理调序歧义的能力。为了更充分地利用上下文信息,提出了一种面向层次短语翻译模型的神经网络调序模型。该模型将调序看作分类问题,首先使用递归自动编码器为任意长度的字符串计算向量表示,然后使用这些向量表示作为分类特征,用于预测不同调序方式的概率,最后将这些概率作为新的特征加入翻译模型中进行翻译。实验结果显示:在中—英翻译任务上,该模型相比基线系统获得了0.3~0.8的BLEU值提升,具有更好的调序能力。     

考虑上下文质量的不确定上下文可信融合方法

针对复杂传感器网络环境下对传感器上下文精确定位、智能推理与可信融合的要求,结合上下文感知中间件和普适上下文质量管理技术,提出了一种考虑上下文质量的不确定上下文可信融合方法,该方法扩展了传统的上下文感知中间件模型,通过基于质量的上下文本体模型、上下文质量门阀管理、质量因子分类配置、质量因子筛选与可信度度量矩阵构建、重复与不一致上下文丢弃管理等机制实现多层次、可扩展的融合控制.实验表明,该方法能够有效提高不确定上下文的融合质量.     

一种基于类别不平衡数据的层次分类模型

传统的机器学习方法在处理类别不平衡数据时分类性能较低,为此提出一种基于类别不平衡数据的层次分类模型.层次分类模型采用AdaBoost方法为基准分类器,以分类器误报率和特征建立数学模型,并证明层次分类模型的参数可以计算得到.首先以层次分类树为结构建立模型,接着针对层次分类树的结构模型进行分类代价计算,得到模型的代价与每层特征之间的定量数学描述,然后将该分类代价转换为优化问题并给出优化问题的求解过程,同时给出层次分类模型的计算结果.在UCI数据集上进行大量测试,以AUC和F-Measure为评价标准,相比于现有的不平衡分类方法,层次分类模型具有更优的分类性能.     

网格环境下一种基于分类的行为信任模型

在网格环境中,针对不同上下文环境下实体之间的交互行为,提出了一种新的基于分类的行为信任模型.模型根据信任等级对实体进行相应分类,在此基础上与实际社会相结合引入了交互事件重要性因子,惩罚因子,惩罚加速因子等,实现了实体动态的主体特征.分析和仿真表明,模型在性能上得到了一定程度的提高,并对恶意实体的恶意交互行为起到了一定的抑制作用.     

基于FCN的眼底图像中央凹自动检测算法

针对传统算法很难识别彩色眼底图像中央凹的问题, 提出一种基于全卷积网络（fully convolutional networks, FCN）的眼底图像中央凹自动检测算法. 首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息, 构建实现局部像素级分类的FCN模型, 然后将局部像素级特征推广到全局金字塔池化模块中, 使空间统计数据为全局语境理解提供了更好地描述与表达, 从而有效获得了极具区分度的全局上下文信息, 最后将全局与局部特征相融合, 实现对中央凹的精准检测. 实验结果表明, 该算法提高了眼底暗病变检测的特异性, 并为眼底严重病变的发现提供了有效证据.     

基于FCN的眼底图像中央凹自动检测算法

针对传统算法很难识别彩色眼底图像中央凹的问题, 提出一种基于全卷积网络（fully convolutional networks, FCN）的眼底图像中央凹自动检测算法. 首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息, 构建实现局部像素级分类的FCN模型, 然后将局部像素级特征推广到全局金字塔池化模块中, 使空间统计数据为全局语境理解提供了更好地描述与表达, 从而有效获得了极具区分度的全局上下文信息, 最后将全局与局部特征相融合, 实现对中央凹的精准检测. 实验结果表明, 该算法提高了眼底暗病变检测的特异性, 并为眼底严重病变的发现提供了有效证据.     

一种基于联合深度学习模型的情感分类方法

针对情感分析问题中长句和短句进行情感分类时不同的建模特点,提出了一种基于联合深度学习模型的情感分类方法。该方法融合长短期记忆模型(LSTM)与卷积神经网络(CNN)对影视评论数据进行情感极性判别,该方法采用LSTM模型对上下文进行建模,通过逐词迭代得到上下文的特征向量,采用CNN模型从词向量序列中自动发现特征,并从局部抽取特征后将局部特征整合成全局特征来提高分类效果。所提出的方法在COAE2016评测的任务2的情感极性分类任务中,其系统准确率获得最好结果。     

基于特征自动选择方法的汉语隐喻计算

汉语隐喻计算是中文信息处理中的棘手难题之一.已有的隐喻识别研究多以人工方式分析和抽取隐喻特征,存在着主观性强、难以扩充的缺点,并且对于专业背景知识要求比较严格.本文基于大规模语料库的机器学习,利用最大熵分类模型,提出了一种最优特征模板自动抽取的隐喻识别算法,讨论了3种不同层次的特征模板,既包含了经典的简单特征,又将跨多个词的远距离上下文信息,以及描述语义信息的词语相似性引入特征模板进行考察.实验结果表明,该算法提高了隐喻识别准确率,是一种对于汉语隐喻计算行之有效的机器学习方法.     

语义地理信息服务的三级匹配发现算法

目前地理信息服务缺少语义描述和发现算法.借鉴本体语言服务(ontology web language for services,OWL-S),构建地理信息服务的语义模型,提出一种基于语义模型的地理信息服务发现算法.在SI/SO匹配中利用本体分类树,将本体相似度求解转换为分类树中节点距离求解的方法.实验证明,该算法不但能区分匹配等级,而且能区分同一匹配等级之间的相似度大小,能较好地满足地理服务发现的需求.     

数字图书馆个性化服务用户模型研究

提出了一种数字图书馆个性化服务用户模型构架,并对实现过程中的几个关键问题,包括用户模型表示方法,用户模型的建立以及更新算法进行了详细论述.提出了基于本体论的空间向量用户模型表示方法,建立了简单的数字图书馆领域本体,以空间向量表示用户模型,以本体概念作为向量的特征项;采用支持向量机分类算法和无监督聚类算法相结合提取用户兴趣;在用户模型更新方法上,采用渐进遗忘和滑动窗口相结合的方法实现用户兴趣概念的漂移.     

基于本体的多智能体知识共享和协作

研究了基于本体的知识建模过程及其应用模式，分析了采用本体模式的知识集成和共享，设计了本体知识库的集成和融合方法，提出了基于本体的多智能体知识共享和协作处理模型，并给出了该模型在医学中的应用。研究结果表明，利用本体方式来获取、重用、共享和组织知识，可以简化多智能体协作中知识交互的复杂性，加强异构知识源的融合。     

事件本体模型及事件类排序

给出了事件、事件类的定义, 分析了事件类之间的关系, 在此基础上形成了面向事件的本体模型, 为基于语义的知识处理提供了新的方法与技术。在事件本体模型的基础上以事件类排序为实例, 研究了基于HARank (Hubs-Authorities Rank)算法的事件类排序方法, 给出了实验结果, 并对其进行了评价。与传统本体相比, 事件本体以更高粒度的事件作为知识表示单元, 更适合表示运动世界的知识。     

一种本体的形式描述方法及其应用

针对目前还没有一种公认的形式本体描述方法的问题,在对本体的概念、性质进行分析的基础上,结合应用实际,提出了一种本体的形式描述方法DecDef(Declare Define).在这种描述方法中,把本体抽象成外部声明和内部表示两部分,在外部声明中说明本体中的概念、关系;在内部表示中说明这些概念和关系的语义,建立了本体内的简单推理模型.给出了这种形式描述的一个基于XML(Extensibble Makeup Language)的系统模型以及一个具体的应用实例,说明该方法在实际中是可行的.     

基于本体的多Agent自动工艺系统

为把本体理念应用于多Agent的CAPP自动工艺系统，提出了基于本体的多Agent自动CAPP系统模型，并构造了单个Agent的基本架构；建立了该领域的零件本体库和特征本体库，采用基于RDF(S)的OIL语言对系统中的各Agent零件特征知识的语法和语义进行详细的描述与注释，并利用一阶谓词逻辑对各Agent之间本体转换规则的语法和语义加以描述；最后通过实例验证了本体的功能和转换规则的智能推理机制，从而很好地满足多Agent自动工艺系统之间零件特征知识共享、复用和互操作的需求，同时对其它领域知识信息的处理也有着很好的借鉴意义。     

基于语义距离的领域本体概念相似度研究

简要介绍了本体的概念及其分类,在提出的基于语义距离的领域本体概念相似度计算方法中,充分考虑了影响语义距离计算的四大因素,还考虑了概念相似度计算的非对称性,能够较真实地反映概念之间的语义关系.     

基于中文文本的疾病领域本体学习的研究

为提高领域本体概念及概念之间关系提取效率和准确率, 提出基于中文文本的领域本体学习模型。在提取候选概念的过程中, 采用修改后的关联规则频繁项计算方法对合
成词进行处理, 并结合位图存储分词处理后术语间的物理相邻关系, 再通过计算领域相关度和领域一致度对候选概念进行筛选, 最后利用关联规则可信度和层次聚类的方法分别提取概念间的非分类关系和分类关系。实验结果表明, 该模型对领域本体学习具有合理性, 提出的算法与基于互信息的本体学习相比较, 在概念和关系的提取
上具有较高的准确性。     

用组件对象模型构建综合自动化系统结构的设计与实现

介绍了基于组件对象模型构建综合自动化系统结构与应用,并较详细阐述了生产过程数据实时采集与通讯组件(DDE)的具体实现.     

基于图模型的RDF/RDFS本体抽取方法

为了提高RDF/RDFS本体中特定领域知识的利用效率,提出了一种从源本体中抽取出特定领域本体的算法.将RDF/RDFS本体抽象为图模型;根据RDFS推理规则生成RDFS本体图模型的闭包;应用图理论构建抽取算法,生成以特定领域术语词典中概念为节点的子图,得到所需的领域本体.抽取结果表明,该方法对于RDF层次的领域本体抽取有良好的适用性,可快速有效地构建特定领域本体.