摘要：针对传统抽取式阅读理解模型未充分考虑问答样本之间潜在相关性的问题,通过RoBERTa对问题与段落进行编码,利用外部注意力Exatt增强语义交互层特征获取能力,提出外部注意力增强语义交互的阅读理解模型,捕获问题与段落中蕴涵的语义特征和不同问答样本之间的潜在相关性。实验结果表明,在CMRC2018和构建的电力安规问答数据集上,在评价指标EM和F1两方面,该方法较基线模型分别最高提高了0.737%和2.556%。

摘要：三维重建是计算机视觉的核心问题.随着三维重建技术的发展,人们越来越认识到从图像到空间结构这种自底向上的重建方法,不管如何刻意设计和优化都很难达到对场景具有高层语义意义下的重建.基于此,提出一种基于高层语义交互的重建方法,在底层重建结果的基础上,利用自然语言交互进一步完善重建结果.最后通过2组简单实验验证了文中算法的可行性.

摘要：针对如何高效地构建用于语义交互的分布式本体库展开了研究。首先,分析了基于本体的语义交互平台的通用体系结构,进而明确分布式本体库在平台中的作用,提出了一种分布式本体库存储模型。围绕该模型,详细讨论了网络本体库与本地本体库的映射方法,语义数据的编码方法,然后详细分析了该模型中指令分发和数据演化组件的工作机制,最后通过实验验证了:在集群存储模式下,对于大数据量查询,网络数据传输对查询时间开销的影响远远小于查询本身,从而为分布式本体库存储效率的优化奠定了基础,即在本体库中采用分布式集群存储可以达到优化检索效率的目的。该存储模型已经在STASIS平台中得到应用。

摘要：提出一种面向仿真资源与服务共享的基于Agent的互操作方法。其关键技术是基于软件智能体的固有功能特性,包括智能性、自主性、协同性和可流动性,通过多Agent协作实现在运行中定义和执行一种新型软件互操作。这种互操作方法不仅可将互操作的软件实体,如模型对象及相关数据对象,设计成Agent,由多Agent间的互动实现接口标准化型互操作,并且可以从语义描述上增强接口的智能性,促进运行中互操作实体间的功能匹配和参数匹配效率。Agent还可以异地(例如在联邦成员系统原驻结点)作业,把服务带回给服务需求方(例如高层联邦仿真的控制结点),它具有的适应性可使其很好地与已有非Agent结构的仿真成员配合,因之可大大降低现行联邦仿真工程的再投入,并缩短仿真组织实施周期,从而获得巨大的经济效益。

摘要：为解决问答系统中问答句之间语义信息交互较少的问题,增强模型对问题分类信息的应用,提出一种将问题分类和预训练模型BERT相结合的答案选择模型。通过问题分类获取问句的期望答案类型,根据问句的期望答案类型遮蔽候选答案句中无关的单词,利用BERT模型更深层次的融合问题句和答案句中句法和语义特征,计算问答对的语义相似度。实验结果表明,采用融合问题分类信息的答案选择模型,在TrecQA Clean和WikiQA数据集上的MAP和MRR指标都有明显提升。

摘要：评估两个句子的语义相似性是文本检索和文本摘要等自然语言处理任务的重要组成部分.学者利用深度神经网络执行该任务,然而它们依赖于上下文独立词向量,从而导致性能不佳.为了缓解该问题,采用预训练模型BERT替换传统的词向量,并提出交叉自注意力以增强两个句子的语义,然后与BERT结合.在提出的模型中,为了实现交叉自注意力操作,设计了向量的对齐方法.最后,将BERT输出输入一个双向循环神经网络,以稳定性能,克服BERT自身带来的波动性.实验中,采用3个公开数据集DBMI2019、CDD-ref和CDD-ful对提出的混合模型进行评价.实验结果表明,由于使用了BERT生成的语境词向量,提出模型的性能始终优于现存方法;交叉自注意力实现了彼此的语义交互而增强了句对的语义,使得相似句对的语义差异更小,而不相似句对的语义差异更大,提高了相似性评估的性能.最终,提出模型在DBMI2019、CDD-ref和CDD-ful上分别取得了0.846,0.849和0.845的皮尔逊相关系数,超越了直接以[CLS]输出向量作为评估的方法.

摘要：为了增强对整体态势的掌控与理解能力,将真实人手引入,利用虚拟手与场景进行交互,自然高效地完成任务。根据人手的运动特性,采用基于惯性传感器的手部骨骼长度比例计算方法,基于运动学位置解算实现了手部运动跟踪。针对虚拟场景,识别典型的手部动作序列,设计了基于上下文语义理解的交互过程以及双手协同模式下的交互模型,并在场景中得到了应用验证,获得良好的用户体验。