-
题名基于深度学习的查询建议综述
- 1
-
-
作者
田萱
徐泽洲
王子涵
-
机构
北京林业大学信息学院
国家林业草原林业智能信息处理工程技术研究中心(北京林业大学)
-
出处
《计算机研究与发展》
EI
CSCD
北大核心
2024年第12期3168-3187,共20页
-
文摘
查询建议是当今搜索引擎必不可少的一个组成部分,它可以在用户输入完整查询前提供查询候选项,帮助用户更准确、更快速地表达信息需求.深度学习技术有助于提升查询建议的准确度,成为近年来推动查询建议发展的主流技术.主要对基于深度学习的查询建议研究现状进行归纳整理与分析对比,根据深度学习应用阶段不同,把其分为生成式查询建议与排名式查询建议2类,分析其中每种模型的建模思路和处理特征.此外还介绍了查询建议领域常用的数据集、基线方法与评价指标,并对比其中不同模型的技术特点与实验结果.最后总结了基于深度学习的查询建议研究目前面临的挑战与未来发展趋势.
-
关键词
查询建议
深度学习
查询自动补全
编码器-解码器
神经语言模型
-
Keywords
query suggestion(QS)
deep learning
query auto-completion
encoder-decoder
neural language model
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的自然场景文本检测与识别综述
被引量：46
- 2
-
-
作者
王建新
王子亚
田萱
-
机构
北京林业大学信息学院
国家林业草原林业智能信息处理工程技术研究中心(北京林业大学)
-
出处
《软件学报》
EI
CSCD
北大核心
2020年第5期1465-1496,共32页
-
基金
国家重点研发计划(2018YFC1603302,2018YFC1603305)。
-
文摘
自然场景文本检测与识别研究对于从场景中获取信息有重要意义,而深度学习技术有助于提高文本检测与识别的能力.主要对基于深度学习的自然场景文本检测与识别方法和其研究进展进行整理分类、分析和总结.首先论述自然场景文本检测与识别的相关研究背景及主要技术研究路线;然后,根据自然场景文本信息处理的不同阶段,进一步介绍文本检测模型、文本识别模型和端到端的文本识别模型,并阐述和分析每类模型方法的基本思路和优缺点;另外,列举了常见公共标准数据集以及性能评估指标和方法,并对不同模型相关实验结果进行了对比分析;最后总结基于深度学习的自然场景文本检测与识别技术面临的挑战和发展趋势.
-
关键词
深度学习
自然场景
文本检测
文本识别
端到端
-
Keywords
deep learning
natural scene
text detection
text recognition
end-to-end
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
