摘要：现如今,计算机编程非常重要,学习编程更是每一个现代青少年必须的任务。但是,传统的教材有着枯燥以及例子不够直观的缺点。而这一点在算法学习之中更是明显。通过使用游戏引擎,可以将原本隐性的算法转化为实时动态的图像,不仅能够更加直接的加深学生对算法的理解,也能够显著地提升课堂教学效果。

摘要：基于图像信息的辅助,提高从非结构化文本中识别命名实体的准确率,可以有效缓解社交媒体场景中因短文本语义信息不全而产生歧义,图片多却不能发挥作用的问题.尽管现有的研究通常采用跨模态注意力机制合并文本和图像的语义表示,但是大多不能建立一个一致的表示来融合两种模态之间的语义信息,且图像中的冗余信息往往会影响多模态实体识别(Multimodal Name Entity Recognition,MNER)的性能.为了解决这些问题,本文提出了一种基于异构图模型的MNER方法,可以有效利用文本和图像之间的交互信息.具体地,首先,构建了一个基于BERT-BiLSTM-CRF的实体识别模型,识别出文本中可能存在的实体;其次,以文本中可能存在的实体作为两个模态之间的桥梁,设计了一个由Token、实体和视觉对象组成的异构图网络,并定义了两种边来表示相互间的语义关系;最后,基于文本和图像组成的异构图,设计了一种多模态融合模型(MHGT),从而减轻了图像噪声的负面影响.在两个通用的MNER数据集上的实验结果表明,本文提出的多模态实体识别方法在Twitter2015和Twitter2017上分别获得了75.26%和86.51%的F1值,优于基线模型的性能.

摘要：针对包含时间区间、坐标信息等复杂数据类型的飞行态势数据,研究飞行态势知识图谱及其问答系统的构建。首先,基于时空知识图谱模型对复杂飞行态势数据进行统一化表示,构建飞行态势知识图谱;然后,针对飞行态势相关问题理解设计问句多分类器,并采用门控循环单元(GRU)和条件随机场(CRF)对问句进行命名实体识别,将问题与问句模板进行匹配生成Cypher查询语句;最后,查询答案并返回给用户。试验结果表明,该知识问答系统在试验评价和实际使用中均具有良好性能。