面向互联网的信息处理

随着互联网海量信息的快速增长,由原来单一的以文本信息为主的信息处理发展成文本、语音、图像等多模态的信息处理．同时,用户的需求也从关键词搜索为主的信息获取向着基于语义理解的自动问答、辅助决策等智能交互的方向发展．本文从互联网服务信息处理特点以及用户需求变化出发,阐述了互联网信息处理面临的挑战和发展趋势．首先介绍了基于互联网的海量信息处理特点以及基本方法,然后分别阐述了互联网文本信息处理、语音信息处理、图像信息处理、位置信息处理的挑战以及发展趋势．最后介绍了如何对互联网的用户从属性、状态、兴趣3个维度进行建模,以满足用户个性化服务和商业分析的需要．     

基于限制的OLAM任务语义模型

通过对大量决策分析算法的分析,提出了基于限制(Constraint)的OLAM任务语义模型,该模型从一定的逻辑高度对OLAM进行抽象,利用它可以分析OLAM任务的共性,提取OLAM任务执行时的基本操作,这些基本操作的基础是语义片断。文中给出了语义片断之间关联关系的分析和判断方法,提出了基于限制的、具有方向性的语义关联度定义。语义片断间关系的确定是OLAM任务/事务优化的基础。     

Spark框架下交通流数据高效处理方法及其应用

设计并实现基于Spark的交通流数据处理与预测分析应用框架, 可以完成交通流数据的高效清洗、统计、存储和查询。利用基于多阶空间权重矩阵的STARIMA模型进行交通流预测分析, 可以验证数据处理效率及对预测应用的支撑作用。对比实验结果表明: 1) 交通流数据处理框架运行效率高, 适用于复杂的数据清洗和挖掘算法, 为预测模型建立数据支撑; 2) 交通流预测模型对空间权重矩阵进行了多阶优化, 兼顾高效性和准确性, 预测分析结果可以为交通诱导提供参考。     

Semantic image annotation based on GMM and random walk model

Automatic image annotation has been an active topic of research in computer vision and patternrecognition for decades.A two stage automatic image annotation method based on Gaussian mixturemodel (GMM) and random walk model (abbreviated as GMM-RW) is presented.To start with,GMM fitted by the rival penalized expectation maximization (RPEM) algorithm is employed to estimatethe posterior probabilities of each annotation keyword.Subsequently, a random walk processover the constructed label similarity graph is implemented to further mine the potential correlations ofthe candidate annotations so as to capture the refining results, which plays a crucial role in semanticbased image retrieval.The contributions exhibited in this work are multifold.First, GMM is exploitedto capture the initial semantic annotations, especially the RPEM algorithm is utilized to train themodel that can determine the number of components in GMM automatically.Second, a label similaritygraph is constructed by a weighted linear combination of label similarity and visual similarity ofimages associated with the corresponding labels, which is able to avoid the phenomena of polysemyand synonym efficiently during the image annotation process.Third, the random walk is implementedover the constructed label graph to further refine the candidate set of annotations generated byGMM.Conducted experiments on the standard Corel5k demonstrate that GMM-RW is significantlymore effective than several state-of-the-arts regarding their effectiveness and efficiency in the task of automatic image annotation.     

基于本体的生物医学数据多模态语义转换方法

采用基于本体驱动的数据转换模型建立生物医学数据集集成数据库,并给出异构资源的共享语义标识符.生成支持语义Web格式的生物医学库,能实现数据集的自动化转换和映射.     

基于顾客偏好的瓶装水外观感性质量评价

从感性质量评价的角度提取13个感性质量评价词对,用于全面且针对性地评价顾客对瓶装水的偏好.以想购买为综合感性提取瓶装水的感性质量评价要素,结合聚类分析等方法确定7种代表性样本.基于语义差异法构建瓶装水感性质量评价量表,运用多元回归模型分析建立顾客偏好与感性评价词对之间的关系模型.关系模型解决了如何识别顾客偏好和感性质量需求,以及如何将这些偏好和需求整合到产品设计过程中的问题.     

低维显式语义空间下的语义关联度计算方法

语义关联度计算是数据科学中的一个关键性基础问题,在信息检索及自然语言处理等方面有着广泛的应用.针对ESA (Explicit Semantic Analysis)算法存在的局限性,提出一种显式语义特征选择算法,并构建低维语义空间.在此基础上,根据特征概念在Wikipedia中的映射信息,提出一种低维显式语义空间下的语义关联度计算方法.该方法解决了ESA算法在后续语义关联度计算过程中,因高维稀疏空间导致计算效果不够准确的问题.实验结果表明,与当前其他方法相比,该方法的计算结果在皮尔逊相关系数(P)及斯皮尔曼相关系数(S)上与人们的认知判断之间具有更好的一致性.     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

一种基于时空分布特征的新闻字幕检测新算法

新闻字幕中包含有丰富的语义信息，是实现自动化视频检索、分析和理解的重要信息源之一。本文通过研究新闻字幕的时空分布特征，提出了一个新闻字幕检测新算法，该算法首先用有师学习的方法获取字幕大小、方向、形状等信息；然后根据视频字幕区域的灰度空间差分分布特性，利用字幕的尺寸约束检测字幕，根据字幕时间持续特点，去除时间冗余；最后对字幕区域进行二值化。实验表明该算法对非滚动标注字幕检测效率高，实时性好，且对不同新闻视频具有较强的自适应性。     

一种基于弱标签的三维模型语义自动标注方法

随着三维应用的普及,三维模型大量产生并广泛传播。由于三维模型广泛应用于计算机辅助设计、三维游戏、电影特效制作等诸多领域,已经形成了大量的三维模型数据库。三维模型语义标注的目的是给出描述其语义的标注词,是三维模型管理和基于文本的三维检索的关键技术。针对互联网大量存在的弱标签三维模型现状,提出一种基于弱标签的三维模型语义标注方法LPMLL,首先,采用半监督学习方法进行标签传播,得到标注词置信度,达到提升训练集的目的。然后,采用一种基于最大后验概率准则的方法进行多标签学习,得到最终标注词。实验数据表明了该方法的有效性。