期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
标签与样本双语义增强的跨模态检索
被引量：
3
1
作者
滕少华
黄文彪
+1 位作者
张巍
滕璐瑶
《江西师范大学学报（自然科学版）》
CAS
北大核心
2023年第3期296-306,共11页
针对目前大多数跨模态哈希检索方法无法捕获多标签信息和特征语义更深层的语义关系信息问题,该文提出了一种标签与样本双语义增强的跨模态检索框架.首先,该框架将不同模态的高维数据映射到低维共享特征语义空间中,进行样本语义学习;其次...
针对目前大多数跨模态哈希检索方法无法捕获多标签信息和特征语义更深层的语义关系信息问题,该文提出了一种标签与样本双语义增强的跨模态检索框架.首先,该框架将不同模态的高维数据映射到低维共享特征语义空间中,进行样本语义学习;其次,引入松弛变量到标签语义制约的哈希码学习函数中,通过最小化标签成对距离强化样本语义相似性哈希码学习,这样既保持了跨模态对应样本语义的关系,强化了哈希码的标签语义学习,又解决了实对称矩阵的求解及算法的收敛性问题;再次,进一步应用样本特征语义和标签语义增强哈希码的语义学习;最后,在3个常用的数据集上的实验结果表明该方法优于目前的方法.
展开更多
关键词
标签与样本双语义增强
跨模态检索
标签
语义
在线阅读
下载PDF
职称材料
面向小样本抽取式问答的多标签语义校准方法
2
作者
刘青
陈艳平
+2 位作者
邹安琪
秦永彬
黄瑞章
《应用科学学报》
CAS
CSCD
北大核心
2024年第1期161-173,共13页
小样本抽取式问答任务旨在利用文章给定的上下文片段,抽取出真实的答案片段。其基线模型采用的方法只针对跨度进行学习,缺乏对全局语义信息的利用,在含有多组不同重复跨度的实例中存在着理解偏差等问题。为了解决上述问题,该文利用不同...
小样本抽取式问答任务旨在利用文章给定的上下文片段,抽取出真实的答案片段。其基线模型采用的方法只针对跨度进行学习,缺乏对全局语义信息的利用,在含有多组不同重复跨度的实例中存在着理解偏差等问题。为了解决上述问题,该文利用不同层级的语义提出了一种面向小样本抽取式问答任务的多标签语义校准方法。采用包含全局语义信息的头标签和基线模型中的特殊字符构成多标签进行语义融合,并利用语义融合门来控制全局信息流的引入,将全局语义信息融合到特殊字符的语义信息中。然后,利用语义筛选门对新融入的全局语义信息和该特殊字符的原有语义信息进行保留与更替,实现对标签偏差语义的校准。在8个小样本抽取式问答数据集中的56组实验结果表明:该方法在评价指标F1值上均明显优于基线模型,证明了所提方法的有效性和先进性。
展开更多
关键词
小
样本
抽取式问答
跨度抽取式问答
多
标签
语义
融合
双
门控机制
机器阅读理解
在线阅读
下载PDF
职称材料
基于双语义双向对齐VAE的广义零样本学习
3
作者
史彩娟
石泽
+1 位作者
闫巾玮
毕阳阳
《图学学报》
CSCD
北大核心
2023年第3期521-530,共10页
广义零样本学习(GZSL)旨在利用视觉特征和语义信息之间的关系来同时识别可见类和不可见类。现有的大部分方法使用生成模型生成不可见类的伪视觉特征,但一般采用单向对齐VAE且语义原型种类单一,导致不可见类的语义信息非常有限。因此,提...
广义零样本学习(GZSL)旨在利用视觉特征和语义信息之间的关系来同时识别可见类和不可见类。现有的大部分方法使用生成模型生成不可见类的伪视觉特征,但一般采用单向对齐VAE且语义原型种类单一,导致不可见类的语义信息非常有限。因此,提出了一种基于双语义双向对齐变分自编码器的广义零样本学习模型,首先采用户定义的属性和词向量两种语义原型,基于双向对齐的VAE分别稳定地生成2种伪视觉特征来获取丰富的语义信息;然后,设计了特征融合模块对2种伪视觉特征进行有效融合,并去除其中的冗余信息,增强伪视觉特征表示;最后,采用分类正则化进一步增强伪视觉特征的类别独立性。在3个基准数据集上进行了大量实验,并与相关算法模型进行了比较,结果表明了该模型的有效性。
展开更多
关键词
广义零
样本
学习
生成模型
双
语义
原型
双
向对齐变分自编码器
特征融合
增强
在线阅读
下载PDF
职称材料
题名
标签与样本双语义增强的跨模态检索
被引量：
3
1
作者
滕少华
黄文彪
张巍
滕璐瑶
机构
广东工业大学计算机学院
广州番禺职业技术学院信息工程学院
出处
《江西师范大学学报（自然科学版）》
CAS
北大核心
2023年第3期296-306,共11页
基金
国家自然科学基金(61972102)资助项目。
文摘
针对目前大多数跨模态哈希检索方法无法捕获多标签信息和特征语义更深层的语义关系信息问题,该文提出了一种标签与样本双语义增强的跨模态检索框架.首先,该框架将不同模态的高维数据映射到低维共享特征语义空间中,进行样本语义学习;其次,引入松弛变量到标签语义制约的哈希码学习函数中,通过最小化标签成对距离强化样本语义相似性哈希码学习,这样既保持了跨模态对应样本语义的关系,强化了哈希码的标签语义学习,又解决了实对称矩阵的求解及算法的收敛性问题;再次,进一步应用样本特征语义和标签语义增强哈希码的语义学习;最后,在3个常用的数据集上的实验结果表明该方法优于目前的方法.
关键词
标签与样本双语义增强
跨模态检索
标签
语义
Keywords
tag and sample semantic enhancements
cross-modal retrieval
tag semantics
分类号
TP311 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
面向小样本抽取式问答的多标签语义校准方法
2
作者
刘青
陈艳平
邹安琪
秦永彬
黄瑞章
机构
贵州大学公共大数据国家重点实验室
贵州大学文本计算与认知智能教育部工程研究中心
出处
《应用科学学报》
CAS
CSCD
北大核心
2024年第1期161-173,共13页
基金
国家自然科学基金(No.62166007)资助。
文摘
小样本抽取式问答任务旨在利用文章给定的上下文片段,抽取出真实的答案片段。其基线模型采用的方法只针对跨度进行学习,缺乏对全局语义信息的利用,在含有多组不同重复跨度的实例中存在着理解偏差等问题。为了解决上述问题,该文利用不同层级的语义提出了一种面向小样本抽取式问答任务的多标签语义校准方法。采用包含全局语义信息的头标签和基线模型中的特殊字符构成多标签进行语义融合,并利用语义融合门来控制全局信息流的引入,将全局语义信息融合到特殊字符的语义信息中。然后,利用语义筛选门对新融入的全局语义信息和该特殊字符的原有语义信息进行保留与更替,实现对标签偏差语义的校准。在8个小样本抽取式问答数据集中的56组实验结果表明:该方法在评价指标F1值上均明显优于基线模型,证明了所提方法的有效性和先进性。
关键词
小
样本
抽取式问答
跨度抽取式问答
多
标签
语义
融合
双
门控机制
机器阅读理解
Keywords
few-shot extraction question answering
span extraction question answering
multi-label semantic fusion
dual gating mechanism
machine reading comprehension
分类号
P751.1 [交通运输工程—港口、海岸及近海工程]
在线阅读
下载PDF
职称材料
题名
基于双语义双向对齐VAE的广义零样本学习
3
作者
史彩娟
石泽
闫巾玮
毕阳阳
机构
华北理工大学人工智能学院
河北省工业智能感知重点实验室
出处
《图学学报》
CSCD
北大核心
2023年第3期521-530,共10页
基金
华北理工大学杰出青年基金项目(JQ201715)
唐山市人才项目(A202110011)。
文摘
广义零样本学习(GZSL)旨在利用视觉特征和语义信息之间的关系来同时识别可见类和不可见类。现有的大部分方法使用生成模型生成不可见类的伪视觉特征,但一般采用单向对齐VAE且语义原型种类单一,导致不可见类的语义信息非常有限。因此,提出了一种基于双语义双向对齐变分自编码器的广义零样本学习模型,首先采用户定义的属性和词向量两种语义原型,基于双向对齐的VAE分别稳定地生成2种伪视觉特征来获取丰富的语义信息;然后,设计了特征融合模块对2种伪视觉特征进行有效融合,并去除其中的冗余信息,增强伪视觉特征表示;最后,采用分类正则化进一步增强伪视觉特征的类别独立性。在3个基准数据集上进行了大量实验,并与相关算法模型进行了比较,结果表明了该模型的有效性。
关键词
广义零
样本
学习
生成模型
双
语义
原型
双
向对齐变分自编码器
特征融合
增强
Keywords
generalized zero-shot learning
generative model
double semantic prototypes
bi-directionally aligned VAE
feature fusion and enhancement
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
标签与样本双语义增强的跨模态检索
滕少华
黄文彪
张巍
滕璐瑶
《江西师范大学学报（自然科学版）》
CAS
北大核心
2023
3
在线阅读
下载PDF
职称材料
2
面向小样本抽取式问答的多标签语义校准方法
刘青
陈艳平
邹安琪
秦永彬
黄瑞章
《应用科学学报》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于双语义双向对齐VAE的广义零样本学习
史彩娟
石泽
闫巾玮
毕阳阳
《图学学报》
CSCD
北大核心
2023
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
