摘要：细粒度表情识别任务因其包含更丰富真实的人类情感而备受关注.现有面部表情识别算法通过提取局部关键区域等方式学习更优的图像表征.然而,这些方法忽略了图像数据集内在的结构关系,且没有充分利用标签间的语义关联度以及图像和标签间的相关性,导致所学特征带来的性能提升有限.其次,现有细粒度表情识别方法并未有效利用和挖掘粗细粒度的层级关系,因而限制了模型的识别性能.此外,现有细粒度表情识别算法忽略了由于标注主观性和情感复杂性导致的标签歧义性问题,极大影响了模型的识别性能.针对上述问题,本文提出一种基于关系感知和标签消歧的细粒度面部表情识别算法(fine-grained facial expression recognition algorithm based on Relationship-Awareness and Label Disambiguation,RALD).该算法通过构建层级感知的图像特征增强网络,充分挖掘图像之间、层级标签之间以及图像和标签之间的依赖关系,以获得更具辨别性的图像特征.针对标签歧义性问题,算法设计了基于近邻样本的标签分布学习模块,通过整合邻域信息进行标签消歧,进一步提升模型识别性能.在细粒度表情识别数据集FG-Emotions上算法的准确度达到97.34%,在粗粒度表情识别数据集RAF-DB上比现有主流表情分类方法提高了0.80%~4.55%.

摘要：实体对齐是知识融合最重要的步骤之一,在知识图谱构建和融合过程中,往往存在结构不相似、实体表述不够准确,甚至知识缺失的问题。针对以上问题,提出一种基于属性增强和关系感知的图卷积实体对齐方法,结合实体和关系之间的内在联系,通过实体可以推导出关系,通过关系可以表示实体,利用实体的属性增强实体表示,增强实体对齐的效果,设计一种迭代策略,迭代增强关系和实体结合后的实体对齐效果。在通用数据集上进行的大量实验结果表明,相对于原有基于实体嵌入的方法,所提方法具有更高的有效性和对齐率。

摘要：价值共创行为是游客与旅游地及其相关事物的互动,关系感知是旅游者基于自身视角对旅游地的整体评估。从游客真实体验视角出发,以游客涉入度为前因变量,关系感知、文化认同为中介变量,文化学习为调节变量,研究文创旅游地游客价值共创行为。结果表明:①游客涉入度正向影响价值共创行为;②关系感知通过文化认同的部分中介正向影响价值共创行为;③文化学习在模型中具有积极的调节作用。