-
题名大数据体时空网格可视化智能管理方法设计
被引量：1
- 1
-
-
作者
张涛
胡中瑞
匡建宇
杨猛
李智明
魏同寿
-
机构
北京华电电子商务科技有限公司
中国华电集团物资有限公司
中国华电集团有限公司
-
出处
《科学技术与工程》
北大核心
2024年第32期13872-13878,共7页
-
基金
北京华电电子商务科技有限公司科技攻关项目(GT202305000071)。
-
文摘
大数据体时空网格可视化涉及的数据量通常非常庞大,并且数据类型多样、结构复杂。同时,随着时间推移,数据的动态性也带来了挑战。处理和分析如此庞大和复杂的数据集,需要强大数据处理方法以及时空数据排序技术,为此,设计大数据体时空网格可视化智能管理方法。通过预处理时空数据,剔除冗余时空数据并补齐缺失时空数据,制定大数据体时空网格化流程。以此为基础,根据时空数据重要程度编码与排序时空网格,确定时空网格的优先级,以地图作为基础底图,充分利用地理信息技术可视化功能,通过地图形式可视化展示时空网格与时空数据,并采用HBase数据库存储时空数据,实现大数据体时空网格可视化智能管理方法的设计。试验数据表明:在不同试验工况背景下,所涉及方法应用后的时空数据网格匹配率最大值为98%,时空数据可视化分辨率最大值为960 ppi,充分证实了该方法的应用效果好。
-
关键词
时空数据
大数据体
网格编码
数据可视化
智能管理
数据处理
-
Keywords
spatiotemporal data
big data body
grid encoding
data and information visualization
intelligent management
data proces
-
分类号
TP237
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名采用目标注意力的方面级多模态情感分析研究
- 2
-
-
作者
朱超杰
闫昱名
初宝昌
李刚
黄河燕
高小燕
-
机构
北京理工大学计算机学院
北京华电电子商务科技有限公司
北京工业大学计算机学院
-
出处
《智能系统学报》
CSCD
北大核心
2024年第6期1562-1572,共11页
-
基金
国家自然科学基金项目(U21B2009)
横向科技项目(2023110051000823).
-
文摘
方面级的多模态情感分析(aspect-level multimodal sentiment analysis,ALMSA)旨在识别出语句和图像信息在某个特定方面上所表现出的情感极性。该任务现有分析模型使用的均是图像的全局特征,并未考虑原始图像信息中的细节信息。针对这一问题,提出一种基于目标注意力的方面级多模态情感分析模型OABALMSA(object-attention based aspect-level multimodal sentiment analysis)。采用目标检测算法捕获原始图像中目标的细节信息;引入目标注意力机制并构建迭代的融合层来完成多模态信息的充分融合;针对数据较高的复杂性所导致的训练困难问题,为模型制定课程式学习策略。经课程式学习训练的OAB-ALMSA模型在TWITTER-2015数据集上得到了最高的F1,这表明对图像中细节信息的利用能够提高模型对数据的综合理解,提升预测效果。
-
关键词
方面级情感分析
多模态
情感分析
目标检测
自注意力机制
自然语言处理
深度学习
特征提取
-
Keywords
aspect-level sentiment analysis
multimodal
sentiment analysis
object detection
self-attention
natural language processing systems
deep learning
feature extraction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
