摘要：局部组件方法实现少样本字体生成任务,通常会忽略组件位置信息对文字生成的作用,造成生成文字整体结构布局存有偏差。为了能够有效捕获组件位置信息,提出一种融合组件位置信息特征的少样本字体生成方法(CPI-Font)。提出的CPI-Font模型以MX-Font为基本框架,设计一种新的全局位置信息提取器。以坐标注意力提取全局位置信息,并通过多头组件注意力关注每个组件在全局位置信息中的不同重要程度,以捕获局部组件在整个字形中的全局位置关系特征,避免生成的字形结构产生偏差。采用公开构建的39种字体作为汉字数据集,与目前主流模型进行大量实验。实验结果显示,提出模型的LPIPS值达到0.112,FID值达到88.5,在内容和风格上的准确率分别达到83.1%、70.4%,在三个评价指标上模型均优于其他算法。结果表明,CPI-Font模型能够有效捕获组件位置信息,并具有较为先进的少样本字体生成性能。

摘要：方面级情感分析是一项细粒度的情感分类任务。近年来,依存树上的图神经网络被用于建模方面项及其意见项间的依赖关系。然而,这类方法通常具有高度依赖依存树解析质量的缺点。同时,大多数现有研究着重关注语法信息,忽视了情感知识在建模特定方面与上下文之间情感依赖关系中的作用。为解决以上问题,设计并提出了用于方面级情感分析的情感增强双图卷积网络。模型基于依存树与注意力机制建立双通道结构,在更为准确、高效地捕捉方面与上下文间语法与语义关联的同时减轻了模型对依存树的依赖程度。此外,模型引入情感知识用于增强图结构,帮助模型更好地提取特定方面的情感依赖关系。模型在3个公开基准数据集Rest14、Lap14、Twitter上的准确率分别达到了84.32%、78.20%、76.12%,接近或超越目前最先进的性能。实验表明,提出的方法能够合理利用语义和语法信息,在使用更少参数的情况下实现较为先进的情感分类性能。

摘要：需求获取和建模是需求工程中的关键步骤,影响后续系统设计与实现.传统的需求获取和建模方法通常由需求提供者、需求分析师等多类干系人共同协作、反复迭代完成,需要耗费大量的人力.如何减轻需求提供者与需求分析师的负担、提高获取和建模的效率有着重要意义.现有工作中有的使用知识库来提供更多知识,以辅助获取或者建模,有的利用自然语言处理等技术对获取或者建模过程进行自动化,但是它们并没有减轻需求提供者的负担.利用大语言模型(large language models,LLMs)的生成能力,提供了一种人机协作的迭代式需求获取和建模框架ChatModeler.具体来说,根据真实世界中需求团队的分工及协作关系,将部分需求提供者、需求分析师等角色的工作由大语言模型承担,而需求提供者只需要进行确认.为大语言模型扮演的各种角色进行了提示词设计,该提示词会随需求的元模型而变化.ChatModeler在7个需求案例上与3种需求模型的自动建模方法进行了14组对比实验,证明了ChatModeler在降低需求提供者的负担和生成高质量需求模型2个方面上的优越性.

摘要：为了提升分布式光伏资源利用率,提高时均用电效率,提出大数据联盟下分布式光伏资源共享算法。依据光伏发电储电用电价值链建立资源共享目标,并在约束条件下利用线性电力系统网络模型建立主导节点选择矩阵,划分资源共享集群。针对集成的分布式光伏资源,依据大数据联盟理论,将资源共享分为两种资源共享模式,建立资源共享动态模型,实现资源共享。结果表明,所提方法的资源共享效果较好,能够有效提升资源利用率,具有一定的应用价值。

摘要：全监督方法在心脏磁共振成像(MRI)分割任务中的成功依赖于大规模标记数据集,然而由于患者隐私及人工标注困难等问题,心脏MRI标注数据规模较小,使全监督方法面临挑战。基于半监督的对比学习方法,设计双分支编码与单分支解码的心脏MRI分割网络CPCL-Net,引入图像和像素的联合对比损失,提升了模型对数据样本的特征表达能力。为了增强CPCL-Net对Hard负样本的分割精度,设计动态自适应加权模块(DAWM),利用生成的α和β权重因子评估样本级别和像素级别的训练贡献度,使模型分割精度得到大幅提升。基于自动心脏诊断挑战赛(ACDC)数据集的实验结果表明,该网络模型仅利用少量标注样本即可获得较高的分割精度,缓解了心脏MRI高质量标注样本不足导致的分割精度低下问题,并且在标注样本规模相同的情况下,对心脏左心室、右心室、心肌等部位的分割精度分别为86.17%、85.52%、84.55%,优于现有的4种典型半监督分割模型以及经典的对比学习框架Sim-CLR,有效缓解了全监督分割模型对样本规模的依赖及过拟合问题。

摘要：通过模型MS-Font设计一种多尺度生成器(multiscale generator,MG),用于提取文字不同尺度结构信息特征,并将浅层信息和深层信息进行多尺度特征融合,构建不同尺度特征图之间的联系,以增强字体内容与风格信息的有效表达,提高生成网络的字体重构能力。在给定数据集上进行大量实验,结果表明模型MS-Font结果均优于对比算法,在FUNIT模型基础上,LPIPS提高0.007,SSIM提高0.12,ACC(S)提升5.2,ACC(C)提升4.0,验证了提出模型MS-Font的有效性。

摘要：音乐是目前最受欢迎的艺术和娱乐形式之一,是表达或寄托人们感情的艺术语言,然而随着数字音乐急剧增加,通过浅层的信息管理与筛选音乐十分困难。音乐自动标注作为一种组织海量音乐与丰富音乐信息的有效手段,可克服音乐信息检索语义鸿沟,健全音乐信息,使音乐具有更直观的表达,并推动音乐分类、音乐推荐、乐器识别等音乐信息检索任务的深入研究。当前音乐自动标注主要聚焦于解决特征提取、模型选择两类问题,结合目前研究重点,阐述了音乐自动标注的相关知识;系统地梳理了音乐自动标注领域的各类音频特征表示及特征提取方法,并对每类提取方法进行了定量分析与定性分析;归纳了该领域相关研究成果,从机器学习与深度学习两个角度着重分析了不同模型方法的差异性;介绍了常用数据集与性能评价指标,总结了不同数据集特点,并对评价指标进行了归类分析;最后指出了音乐自动标注领域研究面临的难点与挑战,并对未来研究方向进行了展望。

摘要：基于骨骼数据的时空图卷积人体动作识别网络(ST-GCN)存在时间卷积层结构单一、固定的问题,难以全面提取每个动作类别所需的全部重要阶段特征。针对这一问题,提出了包含多个不同尺度卷积核和多种结构的时间图卷积层,构造了多尺度时空图卷积网络(SMT-GCN),利用不同的时间图卷积操作抽取并融合不同尺度的时间轨迹特征。同时,为了强化人体长距离关联信息和空间结构化特征,在SMT-GCN中融合了构造的变换残差模块(Tran-Res)和轻量级注意力模块(CBAM),构造了多尺度时空图注意卷积网络(SAMTGCN)。实验在NTU RGB+D数据集和HDM05数据集上进行,提出的SMT-GCN和SAMT-GCN均获得了识别精度的提升;另外,设计的多尺度时间图卷积模块可以融合于其他基线网络中并提高性能。为探究卷积核尺度及结构对算法的影响,设计了相应消融实验,实验结果表明卷积核大小为1、5、9的SAMT-GCN性能最优,并且具有稠密结构的网络识别精度要高于具有串行和并行结构的网络。

摘要：推荐系统可以在海量的数据信息中获取用户偏好,从而更好地实现个性化推荐,提高用户体检,以及解决互联网中的信息过载问题,但推荐系统仍然存在冷启动和数据稀疏问题。知识图谱作为一种拥有大量实体和丰富语义关系的结构化知识库,不但能够提高推荐系统的准确性,还能够为推荐项目提供可解释性,从而增强用户对推荐系统的信任度,为解决推荐系统中存在的一系列关键问题提供了新方法、新思路。首先针对知识图谱推荐系统进行研究与分析,以应用领域为分类依据将知识图谱推荐系统分为多领域知识图谱推荐系统和特定领域知识图谱推荐系统,同时根据这些知识图谱推荐方法的特点进一步分类,对每类方法进行定量分析和定性分析;之后列举出知识图谱推荐系统在应用领域中常用的数据集,对数据集的规模和特点进行概述;最后对知识图谱推荐系统未来的研究方向进行展望和总结。

摘要：方面级情感分析旨在识别句子中每个方面的情感极性。近年来,将注意力机制和依存树语法结构信息相结合的方法被用于建模方面项和意见项间的依赖关系。然而,这类方法通常具有高度依赖依存树解析质量的缺点。此外,注意力机制也存在因权重分布密集而引入噪声的固有缺陷。为解决以上问题,该文设计并提出了用于方面级情感分析的图指导的差异化注意力网络模型。模型利用图指导机制帮助自注意力机制主动学习接近语法结构的注意力权重,减轻模型对依存树的依赖程度。同时利用注意力差异化操作鼓励注意力权重分布趋于离散,以有效减少噪声引入。在3个公开数据集上进行的实验,验证了该文所提出的方法能更合理地利用语义和语法信息,具有较为先进的情感分类性能。