-
题名基于概念特征的语义文本分类
被引量：4
- 1
-
-
作者
林伟
孟凡荣
王志晓
-
机构
中国矿业大学计算机科学与技术学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第28期139-142,共4页
-
基金
国家自然科学基金(No.50674086)~~
-
文摘
文本分类是组织和处理海量文本信息的关键方法。目前的文本分类模型多用关键词特征向量描述文本资源,造成向量的高维性和稀疏性。引入文本资源的概念特征,将文本资源描述由关键词级提升至概念级,提高文本资源描述的准确性,并提出了基于概念特征的语义文本分类模型。仿真实验的结果表明,该模型能有效克服资源特征向量空间的高维性和稀疏性,确保向量空间的正交性,在语义文本分类的效率和正确性上都有良好的表现。
-
关键词
语义文本分类
概念特征
本体
支持向量机
-
Keywords
semantic text classification
concept-features
ontology
Support Vector Machine （SVM）
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名细粒度文本引导的跨模态风格迁移
被引量：1
- 2
-
-
作者
孙世昶
魏爽
孟佳娜
林鸿飞
肖文浩
刘爽
-
机构
大连民族大学计算机科学与工程学院
大连理工大学计算机科学与技术学院
-
出处
《中文信息学报》
CSCD
北大核心
2024年第12期170-180,共11页
-
基金
国家自然科学基金(61876031,62076046)。
-
文摘
借助于StyleGANs的解纠缠表示和多模态预训练模型中不同模态之间的语义对应关系,现有方法在跨模态风格迁移领域取得了较好的结果。然而,基于图像尺度分解的StyleGANs的潜在空间不利于局部属性的编辑,这会造成在迁移时对无关部分的干扰。该文提出细粒度文本引导的跨模态风格迁移模型,通过利用文本中包含的区域信息来实现局部可控的风格迁移。首先,通过基于BERT的文本语义分类网络对目标风格文本包含的语义区域进行定位,然后利用特征映射网络将目标文本的CLIP特征嵌入到SemanticStyleGAN的潜在空间。文本语义分类网络和特征映射网络的结合使得目标文本的CLIP特征细粒度地嵌入到可编辑的潜在空间。最后通过对生成的风格化图像进行随机透视增强来解决训练中的对抗生成问题。实验表明,该方法能够生成更贴近文本描述风格的图像,并提高了跨模态编辑的区域准确性。
-
关键词
风格迁移
多模态预训练模型
文本语义分类
-
Keywords
style transfer
multi-modal pre-trained model
text semantic classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
