摘要：针对唇语识别模型的性能受到数据集大小限制的问题,提出一种跨模态知识蒸馏方法C2KD.C2KD将语音识别模型的多尺度上下文相关性知识蒸馏到唇语识别模型中.首先,利用Transformer模型的自注意力模块得到上下文相关性知识;其次,使用层映射策略来决定从语音识别模型的哪一层提取知识;最后,使用自适应训练策略来根据唇语识别模型的性能动态地进行知识的传递.C2KD在数据集LRS2和LRS3上取得了优异的表现,词错误率分别比基线方法低2.0%和2.7%.

摘要：分子生成作为药物设计领域的一个基本问题,旨在以低成本和高效率的方式设计出具有理想生物活性和药代动力学属性的新颖分子.近年来深度生成模型在药物设计中得到了广泛应用,大量的模型结构和优化策略得到探索,其中大多是生成一维或二维的分子结构.随着深度学习在处理几何图形数据上的快速发展,面向3D分子的生成模型被提出,因其在直接生成3D分子构象和基于结构的药物设计上的优势和潜力而越来越受到关注.本文对近年来国内外学者在3D分子生成上取得的成果进行了系统的总结和分析,从3D分子生成算法输入的角度将其分为基于隐变量的生成、基于2D分子图的生成和基于3D分子构象的生成;接着从3D分子生成算法输出的角度将其分类为定向生成和非定向生成;随后总结了相关生成模型在主要的公开数据集上的性能,以探究各种生成模型的优缺点;最后对未来可能的研究方向进行了展望.

摘要：随着毕业生就业压力的增大,国家和社会持续发力,国家出台多项就业支持政策,社会上的企业招聘也日渐增多。在此背景下,设计了一种个性化的就业推荐系统。系统基于Web应用,主要功能包括用户注册和登录、用户选择感兴趣领域、职位推荐、职位收藏及查看职位详细内容。其中注册和登录功能的实现借用了Django内置的Auth模块;数据库用的是Django框架下的Sqlite3;职位推荐是基于用户信息的协同过滤算法实现的,并且用标签聚类的方式解决了冷启动问题。仿真结果表明,用户可以注册之后登录并选择自己感兴趣的领域,然后就可以查看系统推荐的职位,具有较好的效果。