您现在的位置: 首页> 研究主题> 上下文

上下文

上下文的相关文献在1954年到2023年内共计5712篇,主要集中在自动化技术、计算机技术、常用外国语、语言学 等领域,其中期刊论文1762篇、会议论文14篇、专利文献4017篇;相关期刊847种,包括广东教育(高中版)、外语教学、计算机工程等; 相关会议14种,包括第15届全国软件与应用学术会议(NASAC2016)、第七届和谐人机环境联合学术会议(HHME2011)暨第20届全国多媒体技术、第7届全国普适计算、第7届全国人机交互联合学术会议、第六届全国信息检索学术会议等;上下文的相关文献由10062位作者贡献,包括马尔塔·卡切维奇、张莉、吴朝晖等。

上下文—发文量

期刊论文>

论文:1762 占比:30.42%

会议论文>

论文:14 占比:0.24%

专利文献>

论文:4017 占比:69.34%

总计:5793篇

上下文—发文趋势图

上下文

-研究学者

  • 马尔塔·卡切维奇
  • 张莉
  • 吴朝晖
  • 庄子德
  • 张凯
  • J·R·可里默
  • R·R·弗莱德朗得
  • 钱威俊
  • 王东京
  • 郭小龙
  • 期刊论文
  • 会议论文
  • 专利文献

搜索

排序:

年份

关键词

    • 文凯; 熊俊臣; 邹伟; 唐伟伟
    • 摘要: 针对实时语义分割方法中因忽略其本质所导致的分割精度不高的问题,提出了一种多级上下文引导的轻量化网络。首先,将深度可分离卷积及非对称卷积相结合,设计了基于并行非对称卷积的上下文引导模型以学习局部特征及其周围上下文构成的联合特征;其次,将该模型堆叠于网络来实现特征的多级优化;最后,通过通道注意模型筛选出与更高阶段语义一致的浅层特征,从而提高分割效果。实验结果表明,所提网络在Cityscapes数据集上以94.7的帧速率获得了72.4%的平均交并比,并在CamVid数据集上取得显著的性能提升。同当前的其他实时语义分割方法相比,该网络性能更优。
    • 纪淑娟; 申彦博; 王振
    • 摘要: 为了验证用户对项目评分时所处的上下文环境是否会对用户的偏好产生影响,基于矩阵过程的马尔科夫分解方法,提出了一种基于上下文的流式推荐算法(streaming recommendation algorithm based on context,C-SRA),该方法可以从嘈杂的上下文中有效选取与评分相关的上下文信息,并将选取的上下文信息分为主观上下文和客观上下文两类。基于LDOS-CoMoDa数据集的两组对比实验显示,C-SRA算法无论是评分预测性能还是推荐性能均优于其他对比算法。
    • 孙伟; 陈平华
    • 摘要: 针对图卷积编码器提取用户、项目信息过程中权重共享,不能区分邻域之间重要性,以及知识图谱作为辅助信息时,基于图神经网络方法无法显示对知识图谱非本地上下文(最相关的高阶邻居集合)信息进行捕获的问题,提出一种基于双向交互图传递的图注意编码器框架,显示利用知识图谱本地(一阶邻居集合)和非本地上下文信息。通过图注意编码器获取用户、项目的嵌入向量;考虑用户对实体的个性化偏好,通过特定于用户的图注意机制来捕获知识图的本地上下文信息;使用随机游走抽样提取实体的非本地上下文,并使用递归神经网络建模实体与非本地上下文实体之间的依赖关系,通过一个双线性解码器重建二部图中的链接。与现有的方法相比,在真实数据集上的实验结果验证了该模型的优越性。
    • 包广斌; 李港乐; 王国雄
    • 摘要: 针对现有多模态情感分析方法中存在情感分类准确率不高,难以有效融合多模态特征等问题,通过研究分析相邻话语之间的依赖关系和文本、语音和视频模态之间的交互作用,建立一种融合上下文和双模态交互注意力的多模态情感分析模型。该模型首先采用双向门控循环单元(BiGRU)捕获各模态中话语之间的相互依赖关系,得到各模态的上下文信息。为了学习不同模态之间的交互信息,提出了一种双模态交互注意力机制来融合两种模态的信息,并将其作为条件向量来区分各模态信息对于情感分类的重要程度;然后结合自注意力、全连接层组成多模态特征融合模块,挖掘模态内部和模态之间的关联性,获得跨模态联合特征。最后,将得到的上下文特征和跨模态联合特征进行拼接,经过一层全连接层后馈送至Softmax进行最终的情感分类。在公开的多模态情感分析数据集CMU-MOSI上对所提出的模型进行评估,实验结果表明,相比现有模型,该模型在多模态情感分类任务上的表现是有效的和先进的。
    • 徐秀; 刘德喜
    • 摘要: 文本情绪原因识别是情绪分析的重要研究任务,其目的是发现文本中个体情绪产生、变迁的原因。近年来,深度神经网络和注意力机制被广泛应用到情绪原因识别方法中,取得了较好的效果。但在这些工作中,文本中的语义信息以及上下文信息未能被充分学习,子句的相对位置信息也未被有效利用。因此,该文提出一种基于上下文和位置交互的协同注意力神经网络模型(Context and Position Interactive Co-Attention Neural Network, CPC-ANN)来识别情绪原因。该模型不仅通过Transformer网络的多头自注意力机制学习到不同的文本子句语义信息,还充分利用候选原因子句的邻近子句来获得更多的上下文信息。同时,该模型通过在子句的每个词向量中嵌入相对位置信息,为文本情绪原因识别提供线索。在EMNLP2016中文情绪原因发现数据集上的实验结果显示,CPC-ANN模型取得了比其他基线模型更好的效果。
    • 顾之川
    • 摘要: 要学好写文章,首先要学好造句。古人的语文教育,要求人们写出通顺的文章。所谓“通顺”,指的是语言合乎语法,合乎逻辑,主要是用词造句的问题。而在造句的问题上,主要是用词不当的问题。什么叫作用词不当呢?就是把某一个词用在不合适的上下文里。为什么会用词不当呢?这是因为写文章的人不懂那个词的真正意义,或者是懂的,到下笔造句时却又忘了。
    • 严婵娟
    • 摘要: 《七层宝塔》是由作家朱辉创作的短篇小说,荣获第七届(2014-2017)鲁迅文学奖短篇小说奖。它是一部揭示乡村文明行将消亡的现实型短篇小说。小说中的语境差现象形式多样,它包括上下文、时间、空间、对象、形式、内容等一切与语境相关的因素。语境差的创作视角不仅局限于创作与鉴赏,而且可以延伸到语境内部各因素之间的审美探讨。本文试从上下文语境失衡、内容与形式错位等方面对小说《七层宝塔》的语境差现象进行解析,挖掘其中审美价值,着重探讨其中具有积极修辞意义的语境差现象。
    • 牛军浩; 王文胜; 叶捷胜; 苏金操; 张本鑫; 许川佩
    • 摘要: 目标在跟踪过程中由于运动速度过快、跟踪精度不够、出现遮挡而经常会导致跟踪失败。针对这一问题,文中在目标跟踪算法KCF的框架下提出一种基于时空上下文分层卷积的相关滤波算法。其中选用训练好的VGG-19网络提取多层深度特征送入岭回归中训练模型,并对多层深度特征的响应值采用自适应分配权重的方式得出最终的置信度,同时依据上一帧预测位置选取与目标同等宽高的上下左右四块区域,增加在目标搜索区域的四周用来约束目标因速度过快超出搜索范围的情况,然后针对目标遮挡提出一种新型遮挡判断机制用以判断目标是否被遮挡,并配合峰值分布的方差更新模型,避免使用目标被遮挡所生成的污染样本来更新模型。经实验验证所提方法在目标快速运动和遮挡时能有效跟踪。
    • 郭乔进; 张志华; 张欣怡; 产院东
    • 摘要: 现代军事网络拓扑复杂,恶意流量告警数量呈爆炸性增长,一级分析师作为最直接的告警数据处理人员,完全淹没在告警数据的海洋中,很难发现真正有威胁的告警。本技术通过研究基于上下文的综合研判模型,利用大数据流处理技术,对海量告警流量数据进行时域、空域综合研判,关联和挖掘威胁时间,有效过滤无用告警数据,提升分析师的工作效率,为更快处理威胁事件提供技术支撑。
    • 杨春霞; 瞿涛; 李欣栩
    • 摘要: 方面级情感分类旨在判断句子中每个具体方面的情感极性.传统的注意力机制模型可能会给句子中重要情感词分配过低的注意力权重,而且很少考虑上下文与方面词的交互信息.针对第1个问题,本文改进了传统的输入方式,以方面词为界限,将句子划分成包含方面词的上文、方面词和包含方面词的下文3部分作为输入,分别提取上文或下文中的重要情感特征.针对第2个问题,本文提出了词级交互注意力机制,分别学习上文与方面词、下文与方面词的词级交互,得到特定于方面的上文表示和下文表示向量,最后将它们拼接得到特定于方面的上下文表示向量,作为方面级情感分类特征.通过在3个标准数据集上的实验证明,本文的模型性能优于基线模型.
  • 查看更多

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号