摘要：知识图谱具有良好的指标描述性能与解释能力。为了有效分析数字电网的业务全生命周期数据、形成以知识为导向的新型电网运维管理模式,开展了基于知识图谱的语义融合模型构建方法的研究。首先,构建基于物联网的电网数字模型,汇总数字电网信息。其次,针对数字电网,采用Protégé软件,通过七步法构建数字电网本体。最后,基于本体,采用自顶向下的方式生成知识图谱。基于上述建模方法,将知识图谱与模式识别相结合,设计一套语义提取框架。根据数字电网模型信息(图像、声音、文本等)提取的原子概念检测本体,推理出更高层次的复合语义特征。基于所获取的语义特征,结合知识图谱,试点数字电网信息语义融合,为推动统一模型的构建提供实践参考。

摘要：针对在传统语义融合的文本相似度算法设计与实现中由于汉语语义复杂存在容易形成局部极小值而得不到全局最优、训练次数较多、学习效率降低、隐节点的选取缺乏理论依据等问题,提出一种改进算法。首先在把握文本相似度算法内涵和分类情况的基础上,通过调整数字识别方向、选取合适的数据来源,依据图像识别技术和算法深度学习的共性需求,从语义融合角度提出以核心词为节点进行文本相似度计算;然后通过多特征融合向量空间模型对特征项的类间分布问题进行分析,最终通过加权计算得到文本相似度。从算法实现效果来看,相较于传统算法能够获得更高文本分类准确度,改进基于文本相似度算法的语言处理技术更加高效、准确。

摘要：【目的/意义】在谣言检测过程中,针对文本的上下文语义特征和主题语义特征没有得到充分挖掘的问题,提出了一种融合BERT和主题模型的谣言检测方法,提升谣言检测效果。【方法/过程】利用BERT模型挖掘文本动态上下文语义特征,利用主题模型挖掘文本主题语义特征;同时结合了微博影响力和用户可信度特征,并在微博影响力特征设计阶段考虑了时效性因素;将以上特征进行充分融合,构建谣言检测模型。【结果/结论】以微博真实数据进行实证分析,实验结果表明,该方法在进行谣言检测任务时效果较好,准确率最高达到了93.68%,相较于表现性能最好的传统机器学习方法、深度学习方法、融合特征方法分别提升了约9.92%、3.29%、7.75%,能够实现对谣言的有效检测。此外,在微博影响力特征设计阶段考虑时效性因素更有助于提升谣言检测效果。【创新/局限】谣言检测效果仍有一定提升空间,未来可尝试结合用户评论内容特征进一步提升谣言检测效果。

摘要：[目的 /意义]通过对国内外数字文化资源语义融合相关研究成果的总结和Europeana案例分析,为国内数字文化资源整合的研究与实践提供参考和借鉴。[方法 /过程]选取目前发展较为成熟的数字文化资源整合项目Europeana作为案例,分别从资源内容描述规则、语义知识本体模型设计、元数据语义化操作和关联数据的发布与访问4个方面对其数字文化资源语义融合的实现方法进行分析。[结果 /结论]研究发现,构建聚合式元数据模型、建立细粒度语义概念模型、创建开放的语义关联数据网络、提供泛在化关联数据应用服务是实现数字文化资源语义融合的关键。

摘要：针对新时代档案智能化发展需求,提出一种融合知识库与语境信息的档案文本生成式问答新范式。在此范式下,围绕模型架构设计、语境信息建模、知识库构建、异构信息融合等方面展开系统性探索,形成了“知识库驱动、语境信息增强”的档案智能问答技术体系。在理论与技术层面,为档案知识服务智能化升级提供新思路,对于推动人工智能与档案管理的融合发展具有重要价值,能加快构建智能化的新时代档案知识服务新体系。

摘要：物联网已经渗透到各个领域,并对各领域数据进行自动采集和应用。但异构数据的存储和融合一直是物联网的技术难题,使数据信息不能被理解,阻碍传感器的应用。因此设计高质量的数据融合算法,具有重大实际应用价值。本课题拟通过语义,根据物联网传感器数据融合的理论分析与本体建模的方法,以及传感器本体和语义融合的一般方法,提出基于多传感器的语义数据融合方法,促进语义在物联网多传感器数据融合中的应用,为物联网系统的智能控制和决策分析打下基础,加快物联网在各领域的快速发展和深入应用,有一定的经济和社会效益。

摘要：[目的/意义]敦煌壁画具有极高的科研和艺术价值,优化资源获取服务,解决图博档中存储的海量敦煌壁画图像资源利用效率低下的问题。[方法/过程]构建敦煌壁画移动视觉搜索模型,提供准确、快速、丰富的资源获取服务。模型包括图文资源库构建、基于深度学习的图像特征提取、基于哈希方法的图像特征压缩、语义特征融合与重排序4个部分;同时构建敦煌壁画图像数据集并人工标注图像语义进行实验。[结果/结论]本文提出的敦煌壁画移动视觉搜索模型mAP为69.93%,较已有模型在性能上有显著提升;融合图像语义特征的相似图像搜索有助于用户更好地理解敦煌壁画内涵。

摘要：针对当前机器阅读理解模型中文本与问题的语义融合不够充分、缺乏考虑全局的语义信息的问题,提出一种基于BERT、注意力机制与自注意力机制的机器阅读理解模型BERT_Att。该模型采用BERT将文本和问题分别映射进特征空间,通过Bi-LSTM、注意力机制与自注意力机制将文本与问题进行充分的语义融合,通过Softmax计算答案的概率分布。在公共数据集DuReader上的实验结果表明,该模型的BLEU-4值与ROUGE-L值较现有的模型均有进一步的提升,并且分析了影响模型表现的因素,验证了该模型设计的有效性。

摘要：作为自然语言处理中的热点问题,摘要生成具有重要的研究意义。基于Seq2Seq模型的生成式摘要模型取得了良好的效果,然而抽取式的方法具有挖掘有效特征并抽取文章重要句子的潜力,因此如何利用抽取式方法来改进生成式方法是一个较好的研究方向。鉴于此,提出了融合生成式和抽取式方法的模型。首先,使用TextRank算法并融合主题相似度来抽取文章中有重要意义的句子。然后,设计了融合抽取信息语义的基于Seq2Seq模型的生成式框架来实现摘要生成任务;同时,引入指针网络解决模型训练中的未登录词(OOV)问题。综合以上步骤得到最终摘要,并在CNN/Daily Mail数据集上进行验证。结果表明在ROUGE-1、ROUGE-2和ROUGE-L三个指标上所提模型比传统TextRank算法均有所提升,同时也验证了融合抽取式和生成式方法在摘要生成领域中的有效性。