《书目答问》

摘要： 子部在目录学中占有重要地位.《汉书·艺文志》《四库总目》《书目答问》"子部"存在差异.从体例上说,附注、解题日趋完善,书目编排日益规范;从内容上说,法家、农家实用性日渐增强,墨家、名家、纵横家、杂家地位则随时代变迁而升降.这种差异与时代、政治和价值观的变化等因素关系密切.

摘要： 《经籍要略》是裕德出任山东学政期间编刊的一部推荐书目,该书在编撰过程中对龙启瑞的《经籍举要》和张之洞的《书目答问》皆有借鉴,但同时又独具特色.通过将《经籍要略》与另外二书进行对比研究,可以借此明晰《经籍要略》在著录数量、推荐版本、选目、体例、分类等方面的特点.再结合对《经籍要略》一书特色与不足的考查,可以确切知晓该书目不啻为清末一部极为优秀的推荐书目.

摘要： 张之洞的《书目答问》,是清末学界流传甚广的一部目录学著作,该书旨在指导当时的后生学者:应读何书、书以何本为善。该书目按照四库的经、史、子、集四个部类,再加上"丛书"一部,一共五个部类来编排书目。在书目的取舍、编排顺序、序言和提要等内容中,无一不流露出张之洞的文学批评观念,同时也是清朝末年文学思想的一个缩影。

摘要： 张之洞的《书目答问》,是清末学界流传甚广的一部目录学著作,该书旨在指导当时的后生学者:应读何书、书以何本为善.该书目按照四库的经、史、子、集四个部类,再加上"丛书"一部,一共五个部类来编排书目.在书目的取舍、编排顺序、序言和提要等内容中,无一不流露出张之洞的文学批评观念,同时也是清朝末年文学思想的一个缩影.

摘要： 有一个年轻人曾在''北大''图书馆做职员,一天,一位教授来借书。只见这位教授风尘仆仆、面露疲惫之色,看样子是赶了很远的路。教授来到借书处,顾不上休息,就递上一张写满书名的书单。年轻人一看,书单上的书都是图书馆珍藏的古书,他不敢擅自做主,就去请示馆长。

摘要： 张之洞的《书目答问》是我国推荐性书目的重要代表之一.张之洞在为学子开列书目的同时,还非常重视版本的选择.文章分别从重视善本尤其是学术性善本、注重版本源流考订、重视丛书本的利用、重视校本和注本等方面进行了详细论述,全面深入地揭示《书目答问》的版本学贡献.

摘要： 《直斋书录解题》是南宋陈振孙仿晁公武《郡斋读书志》的体例编撰的一部重要的私家藏书目录;《书目答问》是清代张之洞进行体例创新后编著的一部具有导读性质的目录学著作.这两部著作在体例方面有相似点,也有自己的鲜明特点,本论文拟对两部著作的编写体例做一简单比较.

摘要： 本发明公开了一种基于图像视觉到文本转换的视觉问答问题解决方法。本发明一种基于图像视觉到文本转换的视觉问答问题解决方法，包括：步骤1)获取一副图像，提取CNN特征；步骤2)构建和学习图像密集字幕深度网络；步骤3)构建属性网络；步骤4)执行深度游走，对每一个获取的图像标题提取知识库增强特征；步骤5)对所有的知识库增强特征执行平均池化，获取单幅图像的知识库增强特征；步骤6)执行问题为导向的Doc2Vec特征提取；步骤7)融合知识库增强特征、Doc2Vec特征和视觉特征送入Softmax层实现分类，并最终获取给定问题的答案。本发明的有益效果：基于密集字幕方法，本发明将VQA问题转化为文本问答问题。

摘要： 本发明公布了一种利用基于图论的多重交互网络机制解决视频问答问题的方法。步骤：1)针对视频，利用ResNet网络得到帧级别的视频表达。2)利用MaskR‑CNN网络得到物体的存在和位置特征。3)利用GloVe网络提取问题单词级信息。4)利用基于图论的GNN网络构图，引入消息机制对图迭代，最终得到物体存在和物体间联系特征表达。5)引入多重交互，利用前馈神经网络学习得到与问题相关的物体存在和物体间动态联系的特征表达以及视频帧级和片段级表达。6)针对不同类型的问题答案模块会采用不同的策略。本发明利用上述机制得到物体间的时空依赖关系和动态语义交互信息，在视频理解上达到更深刻的效果，继而给出更精准的答案。

摘要： 本发明公开了一种利用基于图的特定目标网络解决视频问答问题的方法及其系统，属于视频问答文本生成领域。主要包括如下步骤：1）针对于一组视频、问题、答案训练集，训练一个跨模态编码器，学习出视频信息和问题信息的联合表征。2）对于跨模态编码器编码完成的得到视频问题联合表达的神经网络的输出，通过一个解答模块根据数据集的不同问题训练不同的解码器，输出针对于视频和问题联合表达的自然语言答案。本发明采用一个更加细粒度的基于图的关系敏感的编码器来获得视频问答中的目标关系，采用一个特定目标的时序编码器来捕获特定目标的同质动态视觉线索，采用轨迹优化算法，减轻了复杂场景下目标检测的不足，有效提升了视频问答的性能。

摘要： 本发明公开了一种基于复杂网络分析方法的视觉问答问题解决方法，包括语义概念网络构建、非随机深度游走、图像和文本特征融合及分类器，语义概念网络构建旨在挖掘概念的共现模式以增强语义表达，非随机深度游走实现复杂网络关系到低维特征的映射，在构建图像语义概念网络的基础上，应用深度游走算法学习语义概念网络中节点的潜在关系，并将复杂网络中的节点映射成一个低维特征向量，多项式逻辑回归融合图像和文本特征以解决视觉问答问题。本发明深入挖掘了概念共生模式和集群概念的层次结构，有效地集成了图像的视觉和语义特征，以及自然语言特征，为解决视觉问答问题提供了一种可行途径。

摘要： 本发明公开了面向智能问答系统的无法回答问题的归因方法，获取不可回答问题；使用连续模板来转换输入问题的上下文和归因类；使用预训练语言模型将连续模板嵌入到高维向量空间中；使用基于prompt的MLM模块确定标签集中的哪个标签可填充输入中的[MASK]；面向原因的模板模块使用数据驱动的方法为模板构建指导信号；语义感知的标签模块对标签集中的标签进行编码，以将它们的表示保持在与输入相同的语义空间中；将监督标签是不可回答原因的预定义类，使用交叉熵损失函数计算损失，并反向传播以更新预训练语言模型；输出不可回答问题的归因。本发明特定于任务的设计能够更好地启发模型，从而实现最先进的性能。

摘要： 本发明公开了一种知识图谱问答问句实体链接方法及装置，可用于金融领域或其他技术领域，该方法包括：根据用户问句的编码表示以及知识图谱中每个实体各自对应的实体经验化知识的编码表示，生成知识图谱中每个实体各自对应的与用户问句相关的经验化知识编码表示；将每个实体各自对应的实体描述的编码表示和与用户问句相关的经验化知识编码表示进行融合，得到每个实体各自对应的背景知识编码表示；根据每个实体各自对应的背景知识编码表示以及用户问句的编码表示，生成用户问句新编码表示；根据所述用户问句新编码表示以及预设的神经网络得到用户问句的M个实体提及预测结果。本发明可有效提升实体提及抽取和实体消岐的效果。

摘要： 本发明属于自然语言处理领域，公开了一种针对拒答问题的阅读理解模型的自训练方法，包括步骤：S1.构建针对拒答问题的机器阅读理解模型，包括文本编码模块和答案预测模块；S2.将文本及问题输入所述的文本编码模块进行编码，然后输入至答案预测模块进行处理；以最小化训练损失函数为目标训练调整所述的机器阅读理解模型的参数，得到初始机器阅读理解模型；S3.对初始机器阅读理解模型使用自训练方法在无标签数据集上迭代训练得到理想机器阅读理解模型。本发明引入的验证函数对机器阅读理解模型预测效果进行检测，使用无标签数据就能较好地完成模型训练，获得比传统训练方法更好效果。

摘要： 本公开提供了一种知识图谱问答问句实体链接方法、装置、设备、存储介质和程序产品，可以应用于人工智能技术领域。该方法包括：获取用户问句；提取用户问句中的实体提及；从知识图谱中检索出与实体提及匹配的T个候选实体；获取T个候选实体中每个候选实体的实体描述精化编码；其中，实体描述精化编码表示是基于候选实体与候选实体的N个相似实体之间的实体描述内容中的字符串差异得到的；获取实体提及的编码表示；基于实体提及的编码表示与T个候选实体中每个候选实体的实体描述精化编码，计算实体提及与每个候选实体的第二相似度；以及确定T个候选实体中第二相似度最大的候选实体，为实体提及的链接实体。

摘要： 本公开提供了一种知识图谱问答问句实体链接方法，可以应用于人工智能技术领域。该方法包括：获取用户问句；提取用户问句中的实体提及；从知识图谱中检索出与实体提及匹配的T个候选实体；获取T个候选实体中每个候选实体的实体差异化编码表示，其中，实体差异化编码表示是基于候选实体的编码表示与候选实体的N个相似实体的编码表示的差异得到的；基于实体提及的编码表示与T个候选实体中每个候选实体的实体差异化编码表示，计算实体提及与每个候选实体的第二相似度；以及确定T个候选实体中第二相似度最大的候选实体，为实体提及的链接实体。本公开还提供了一种知识图谱问答问句实体链接装置、设备、存储介质和程序产品。

摘要： 本发明涉及一种基于改进词频的余弦相似度进行在线问答问题匹配的方法，可最大限度的匹配出用户问题，包括步骤：维护分词字典，为每条题库问题生成题库问题词汇表。对用户问题和每条题库问题进行归一化匹配，获得备选问题清单。本发明可通过业务分词字典和停用词字典，对用户问题和题库问题进行分词处理时，过滤干扰词汇，识别出有效的业务词汇，提高问题的匹配概率。同时将词汇出现次数进行归一化处理，只要词汇出现在问题描述中，不论出现次数，将其出现次数统一设置为1，否则设置为0，提高了备选问题的匹配数量。