面向词性标注的多资源转化研究

利用多资源转化方法进行词性标注研究, 旨在将源端资源的标注进行转化, 以符合目标端标注规范, 进而将转化后的资源与目标资源合并, 增大训练数据规模。做了两方面创新: 在转化过程中, 额外利用指导特征的置信度信息; 在转化后的资源中, 用模糊标注表示方法减少错误标注。实验表明, 利用置信度信息能有效帮助转化, 而模糊标注表示方法的影响不大。     

基于最大熵模型的英语词义标注

词义标注是自然语言处理的热点问题。通过建立条件概率最大熵模型,合理选择特征信息,采用不同的特征信息集合对来源于语料库的实验样本进行训练,达到英语多义词词义标注的目的。最后通过数据实验验证了方法的有效性。     

并行网络中不同标注下的入侵特征阀值确定

传统入侵特征阈值确定方法通常通过敏感信息边界矢量确定,不适于环境复杂的并行网络,对多跳入侵的检测性能不佳。为此,提出一种新的并行网络中不同标注下的入侵特征阀值确定方法。介绍了并行网络体系结构,其主要包括嗅探器、主机、数据库、从动机和集群信道。对抗原信号进行描述,通过求出成熟环境抗原值对抗原异常度信息进行描述,构建异常度关联模型。利用指标集参数阈值的参考指标集和宿主属性对其进行训练,不停改变参数个数与入侵特征阈值,获取和抗原有关的关联规则;从而得到并行网络中不同标注下的入侵特征阈值。实验结果表明,采用所提方法确定的入侵特征阈值能够准确实现并行网络的入侵检测,且阈值确定效率高。     

Support vector machine with mixture of kernels for automatic image annotation

Automatic image annotation （AIA） has become an important and challenging problem in com- puter vision due to the existence of semantic gap. In this paper, a novel support vector machine with mixture of kernels （SVM-MK） for automatic image annotation is proposed. On one hand, the com- bined global and local block-based image features are extracted in order to reflect the intrinsic con- tent of images as complete as possible. On the other hand, SVM-MK is constructed to shoot for bet- ter annotating performance. Experimental results on Corel dataset show that the proposed image fea- ture representation method as well as automatic image annotation classifier, SVM-MK, can achieve higher annotating accuracy than SVM with any single kernel and mi-SVM for semantic image annota- tion.     

顾及区域信息的卷积神经网络在影像语义分割中的应用

高分辨率遥感影像在实际应用中得到广泛使用。高分影像语义分割方法的研究具有重要实际应用价值。近来基于深度卷积网络的遥感影像标注方法表现出了比传统方法更为优越的性能;然而由于其基于固定感受野大小的上下文信息获取方法没有显式利用像素间约束关系,导致同一地物内部语义标注结果不一致。基于同一区域内部像素属于相同类别概率较大的假定,试图引入图像区域内部语义标注一致性约束,以改善现有深度卷积神经网络描述上下文信息的能力。在现有全卷积网络模型基础上,利用卷积神经网络最后一层特征,引入一个表示区域内部像素特征一致性的损失函数;将该损失函数与softmax损失函数进行联合训练,得到网络模型参数。在ISPRS(国际摄影测量与遥感学会)的Vaihingen 2D语义标注数据集上,对提出的方法进行了实验验证,实验结果表明所提方法在大多数类别上取得了较现有卷积神经网络模型更优的分类结果,总体准确率达85.18%。提出的引入区域内部像素标记一致性的全卷积网络模型,可以有效捕捉区域内部像素特征一致性的上下文信息,能有效纠正全卷积网络模型在区域内部像素分类中的冲突,获得区域一致较好的分类结果,从而改善图像的语义标注效果。     

基于BERT的因果关系抽取

针对传统关系抽取模型依赖特征工程等机器学习方法, 存在准确率较低且规则较繁琐等问题, 提出一种BERT+BiLSTM＋CRF方法. 首先使用BERT(bidirectional encoder representations from transformers)对语料进行预训练; 然后利用BERT根据上下文特征动态生成词向量的特点, 将生成的词向量通过双向长短期记忆网络（BiLSTM）编码; 最后输入到条件随机场（CRF）层完成对因果关系的抽取. 实验结果表明, 该模型在SemEval-CE数据集上准确率比BiLSTM+CRF+self-ATT模型提高了0.054 1, 从而提高了深度学习方法在因果关系抽取任务中的性能.     

基于Pro/Toolkit的Pro/E工程图标注系统的二次开发研究

针对Pro/E系统中工程图标注的繁琐难题,利用VC++技术和Pro/E二次开发工具包Pro/Toolkit,通过动态链接库方式对Pro/E中工程图的公差标注系统进行二次开发,并对菜单开发和MFC可视化对话框开发设计的关键技术进行了研究,实现了形位公差、尺寸公差标注符号类型和各参数的选择与输入,有助于用户在使用过程中能迅速、快捷、准确的完成工程图的标注。     

博士生的成功之道(37)——应该怎样理解学术论文引用参考文献的意义

正最近看了一篇论文初稿,没看几页就碰到了一个不得不说一说的问题。问题出在参考文献的引用上。初一看,在应该出现参考文献的地方,都已经标注了参考文献,有的地方标注的参考文献不止一篇。从该论文的正文来看,情况是正常的。通常,人们会这样阅读下去,直到论文末尾,而论文中该修改的地方标上修改意见就行了。     

科技论文中X射线衍射谱图的规范标注与编辑加工

科技论文来稿中经常出现X射线衍射(XRD)谱图表达混乱的现象,依据国家相关标准和规范,结合XRD谱图坐标量的物理意义,XRD谱图坐标标目与标值的正确、规范的标注应为:XRD谱图中纵坐标量名称为衍射强度,标目可表示为I/s-1;横坐标的量名称为衍射角,标目为2θ/(°)。     

基于Viterbi解码的中文合成音库韵律短语边界自动标注

该文提出了一种基于Viterbi解码的中文合成音库韵律短语边界自动标注方法,以降低大语料库单元拼接合成系统的构建成本。该方法分为模型训练和韵律标注两阶段:模型训练阶段得到频谱、基频和音素时长的上下文相关隐Markov模型(hidden Markov model,HMM);标注阶段借助训练得到的模型采用Viterbi解码完成韵律短语自动标注。实验结果表明:该方法进行韵律短语边界标注时的F-score值达到77.64%,超过了人工标注时不同标注人员之间的一致性水平;另外该方法可以方便地增加待标注韵律属性,具有良好的扩展性。