-
题名基于非对称孪生网络的新闻与案件相关性分析
被引量：2
- 1
-
-
作者
赵承鼎
郭军军
余正涛
黄于欣
刘权
宋燃
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省人工智能重点实验室
-
出处
《中文信息学报》
CSCD
北大核心
2020年第3期99-106,共8页
-
基金
国家重点研发计划(2018YFC0830105,2018YFC0830101,2018YFC0830100)
云南省高新技术产业专项(201606)。
-
文摘
新闻与案件的相关性分析是法律领域新闻舆情分析的重要环节,可转化为新闻文本与案件文本的相似度计算任务。借助孪生网络计算文本相似度是一种有效途径,其对平衡样本具有良好的学习能力,但在新闻与案件的相关性计算中面临文本不平衡和新闻文本冗余的问题,因此,该文提出了基于非对称孪生网络的新闻与案件相关性计算方法。通过计算文本中句子与标题的相似度选取与新闻标题最相关的句子表征文档,去除新闻文本中的冗余句子,利用非对称孪生网络建模,考虑到案件要素蕴含案件的关键语义信息,将案件要素作为监督信息融入到非对称孪生网络中对新闻文档和案件描述进行编码,解决新闻和案件在结构和语义上不平衡的问题,最终实现新闻与案件的相关性判断。实验表明该模型相比基线模型准确率提升了2.52%。
-
关键词
非对称孪生网络
案件要素
相关性分析
-
Keywords
unbalanced siamese network
case elements
correlation analysis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于非对称特征差异网络的图像超分辨率重建
被引量：1
- 2
-
-
作者
王彩玲
沈齐
-
机构
南京邮电大学自动化学院、人工智能学院
-
出处
《南京邮电大学学报（自然科学版）》
北大核心
2022年第2期79-84,共6页
-
基金
南京邮电大学自然科学基金(NY220057)资助项目。
-
文摘
在众多图像处理任务中,图像的质量好坏对任务的影响是巨大的。对于低分辨率图像带来的像素模糊和细节缺失等问题,提出一种基于非对称特征差异网络模型用于图像超分辨率重建,将自监督的对比学习思想应用在无监督的图像超分辨率重建领域。通过对比两个网络之间特征图的差异,计算出损失并反向更新网络的权重,增强网络学习图像内部数据分布的能力。设计了一种特征增强模块,进一步提高生成结果的质量。经过图像质量评价指标的客观实验和可视化结果的主观展示,提出的方法能够有效地提高细节特征和图像质量。
-
关键词
对比学习
非对称孪生网络
特征提取与特征差异
超分辨率重建
-
Keywords
contrastive learning
asymmetric siamese network
feature extraction and feature difference
super⁃resolution reconstruction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
