-
题名结合对比学习和双流网络融合知识图谱摘要模型
- 1
-
-
作者
赵霞
王钊
-
机构
河北经贸大学管理科学与信息工程学院
-
出处
《计算机应用研究》
北大核心
2025年第3期720-727,共8页
-
基金
河北省自然科学基金资助项目(F2021207005)。
-
文摘
提出了一种融合对比学习与双流网络的新型知识图谱摘要模型(KGDR-CLSUM),旨在解决现有模型在生成摘要时存在的事实性错误和信息提取不足的问题。该模型通过设计双流网络同时处理文本特征和知识图谱特征,并采用对比学习来强化这两类特征的有效融合。此外,引入动量蒸馏策略以降低知识图谱中的数据噪声,从而提升摘要生成的质量和准确性。在CNN/Daily Mail数据集上,KGDR-CLSUM相较于基线模型PEGASUS BASE,在ROUGE-1、ROUGE-2和ROUGE-L指标上分别提升了3.03%、3.42%和2.56%,在XSum数据集上更是达到了7.54%、8.78%和8.51%的显著提升。此外,人工评分显著高于ChatGPT,进一步证明了该模型的优越性能。结果表明,KGDR-CLSUM在生成摘要时,尤其在短文本生成任务中,能够有效降低错误信息,并显著提高摘要的质量。
-
关键词
文本摘要
知识图谱
动量蒸馏
对比学习
双流网络
-
Keywords
text summarization
knowledge graph
momentum distillation
contrastive learning
dual-stream network
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合对比学习与情感分析的多模态反讽检测模型
- 2
-
-
作者
胡文彬
蔡天翔
韩天乐
仲兆满
马常霞
-
机构
江苏海洋大学计算机工程学院
-
出处
《计算机应用》
北大核心
2025年第5期1432-1438,共7页
-
基金
国家自然科学基金资助项目(72174079)。
-
文摘
社交媒体平台上的评论有时会通过反讽来表达对事件的态度,通过反讽检测,可以更准确地分析用户情绪和观点。针对基于词汇和句法结构的传统模型忽略了文本情感信息对反讽检测的作用和由于数据噪声造成的检测性能降低等问题,提出一个融合对比学习和情感分析的多模态反讽检测模型(MSDCS)。首先,利用BERT(Bidirectional Encoder Representation from Transformers)提取文本特征,并利用ViT(Vision Transformer)提取图像特征;其次,利用对比学习中的对比损失训练浅层模型,在融合之前对齐图像和文本特征;最后,结合跨模态特征与情感特征融合后的结果作分类判断,最大限度地利用不同模态间信息实现反讽检测。在多模态反讽检测开放数据集上的实验结果表明,相较于基于分解和关系网络(D&R Net)的基准模型,MSDCS的准确率和F1值至少提高了1.85%和1.99%,验证了在多模态反讽检测中利用情感信息和对比学习的有效性。
-
关键词
社交媒体
反讽检测
情感分析
对比学习
动量蒸馏
-
Keywords
social media
sarcasm detection
sentiment analysis
contrastive learning
momentum distillation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
