语义差异

摘要： 医学图像的处理是图像处理的重要应用领域。该文针对核型分析中重叠染色体的分割问题,进行了综合性教学实验设计。引入多层空洞卷积MAC和同步长池化技术SSP,实现了对不同大小分割区域的检测及多尺度特征提取。MAC根据染色体重叠区域普遍偏小的特点组合具有连续较小空洞率的空洞卷积,以实现多尺度特征的有效提取;SSP组合池化尺寸不同但池化步长固定的池化操作,有利于减少上采样中语义信息的丢失;在编、解码器间引入残差块连接,缓解了语义信息差异。实验结果表明,该实验设计网络在染色体重叠部分的分割性能明显提升,且噪声鲁棒性更强。

摘要： 作为现代汉语中一组使用频率比较高的否定副词,“不”和“没(有)”都可以位于动词、形容词之前,且都可以和其他副词连用,句法分布比较相似。但同时,二者在语义方面也存在一些差别,这主要表现在三个方面:其一,已然和未然的差异;其二,主客观的差异;其三,过程与非过程的差异。

摘要： 偏标记学习指示例的唯一真实标记隐藏在一组候选标记之中,其目的为对候选标记进行消歧,最终学习到真实标记.现有方法只是就示例之间的相似性或者差异性进行了单方面考量,因此当示例的候选标记增多时会出现消歧准确率与分类准确率大幅度下降的问题.针对以上问题,提出了融合权重机制和改进SDIM的偏标记分类算法,在原SDIM(Partial Label Learning by Semantic Difference Maximization)算法的基础上,增加了最小化同类别示例之间欧几里德距离的操作,缩小了同类别示例之间的语义差异,将示例的相似性纳入学习范围.同时通过求解相关系数最大化问题计算各示例权重,将权重机制引入同类别示例的消歧学习中,对示例的差异性进行了充分考虑.UCI合成数据集上的实验结果表明,相比传统算法,该文算法的消歧准确率提升了0.211％～12.613％,分类准确率提升了0.287％～25.695％.

摘要： 作为一门引进的学科,传播学在中国的发展与学术翻译息息相关.传播学科关键词的翻译准确与否不仅仅关系到中国学者能否准确把握西方的传播学理论,同时也影响到中国传播学的本土化.考虑到新闻学和传播学在中国已经合为一体,所以,传播学的学术翻译必然也会影响到新闻传播学的建设.本文以八个传播学概念术语为例,探讨这些关键词在学术翻译的译进、译出过程中以及翻译语境改变的条件下所产生的语义差异,从而厘清传播学基础概念的语义,进一步推动学科的国际交流.

摘要： 韩国语中的“■”的隐现一直难以解释和预测,给韩国语学习者带来很多困扰。本文从句法分布、句法功能和句法类型等视角考察韩国语“■”的可有可无现象,厘清语义差别,继而分析“■”的句法语义功能。同时通过总结和归纳两者的共同点和不同点,为韩国语教学和学习提供具有实用价值的教学资料。

摘要： 随着网络技术的发展,人们的线上交流成越来越频繁,网络语言成为人与人沟通的重要工具.本文从最近流行的网络热词"太可了"出发,通过比较古今汉语中"可"字用法的差异探寻该网络热词形成的原因,并进一步讨论网络语言在当今社会流行的原因以及未来发展前景.

摘要： 医学语词也是医学领域最近几十年的研究热点.研究揭示了英汉医学语词之间的异同,并在此基础上进一步了解到医学语词的认知语义差异及所蕴含的两种文化现象的异同.

摘要： “还是”和“或者”都有选择义,但“还是”更倾向于“深究”,“或者”更倾向于“估测”.语义差异对它们的句法表现有一定影响.从离散和连续两个范畴出发,“还是”和“或者”认知解释也不同,这能支持和解释两个词不同的语义特征.

摘要： 本文主要是在前人对连词"还是"和"或者"研究的基础上,讨论了"还是"和"或者"的语义差异. "还是"和"或者"都有选择义,但"还是"更倾向于"深究", "或者"更倾向于"估测".这两个词的语义差异对它们的句法表现有一定影响.另外,本文拟从离散和连续这两个范畴出发,阐述"还是"和"或者"认知机制的不同,进一步支持和解释两个词不同的语义特征.

摘要： 为更加明确地理解主数据库和客户数据库之间的差异类型,实现客户数据库的高效更新,首先在总结现有研究成果的基础上,提出一种GIS数据库间的差异类型分类框架;然后根据差异分析的基本过程,在Geodatabase数据模型的基础上,对语义差异进行示例式分析;最后利用集合论中的映射概念以及形式逻辑学中的谓词逻辑理论,给出了语义差异的形式化描述.相对于以前研究工作,所提差异分类体系具有逻辑层次强、形式化程度高、易于理解等优点.该研究为实现GIS客户数据库的高效更新提供了前提基础和策略制定依据.

摘要： 上古汉语中表述使役范畴的方式主要有两种，即句法使役句和词汇使役句。①前者是由“使”“令”等使役动词和表述结果的谓语等两个以上的谓语构成的句型，也叫做使令句。後者为所谓使动句，即用单个实词表述使役范畴。我(大西克也(2008，2009)曾撰文指出，使令句的原型意义(prototypiCal meaning)是指示使役(directivecausation)，是一种间接使役；词汇使役表述致因主语导致使事宾语的强制性变化，也就是直接使役。

摘要： 如何实现基于题录、文摘甚至全文的内容整合检索，是亟待解决的问题。更大范围和更深层的整合，会使用户更加依赖基于关键词的内容检索，由此会产生由于内容描述、表达，知识和语义差异所带来的深层整合检索问题，产生了智能化整合检索的要求和发展趋势。本文通过对目前多项整合技术的追踪、研究、比较和应用试验，为上述问题的解决提供思路和方法。

摘要： 本文试图以认知语言学理论为指导，从人的认知层面来分析语言结构的产生、形成，以及彼此之间语义差异的根本动因。

摘要： 本发明公开了一种基于语义分割类内特征差异性的知识蒸馏方法，目的是将复杂模型(教师模型)学到的暗知识迁移到精简模型(学生模型)，从而在提升语义分割模型的准确度的同时保持其速度。首先，分别通过教师模型和学生模型得到卷积特征；然后，通过掩膜指导的平均池化操作得到各个类别中心的特征图并由此计算各个像素点与其对应的类别中心的特征相似性，得到类内特征差异图；最后，使学生模型的类内特征差异图与教师模型对齐，以达到提升学生模型准确度的目的。本发明提出的蒸馏方法相对于现有技术思路新颖，得到的语义分割模型在准确度和速度方面都取得了良好的效果，同时该方法可以方便地和其他相关技术结合，有很强的实际应用价值。

摘要： 本发明公开一种针对图像语义分割的端到端差异网络学习方法，包括如下步骤：使用Caffe深度学习框架分别搭建主网络结构和完整网络结构，其中，主网络结构用于生成粗分割模型和训练集中每个图像的小目标区域，完整网络用于最终的图像语义分割；使用训练集的部分数据训练主网络的粗模型，通过粗模型得到的分割结果与真实分割图比较得到粗模型的误分区域；将得到的粗模型作为初始化参数训练完整网络模型得到最终的分割结果，建立图像语义分割模型；分割模型测试，根据步骤3得到的图像语义分割模型分割所有的测试图像。此种方法可对小目标区域较为敏感，同时也能在一定程度上解决边缘模糊和相似部位误判问题。

摘要： 本公开提供了使用语法树集合之间的差异和语义树集合之间的差异制定问题。所公开的系统涉及从文本生成问题。在示例中，一种方法包括从第一参考文本形成第一语义树以及从第二参考文本形成第二语义树。所述方法包括识别在所述第一语义树中但不在所述第二语义树中的语义节点集合。所述方法包括形成所述第一参考文本的第一语法树和所述第二参考文本的第二语法树。所述方法包括识别在所述第一语法树中但不在所述第二语法树中的语法节点集合。所述方法包括：通过识别语义节点与语法节点之间的对应性来将所述语义节点集合映射到所述语法节点集合；从归一化词形成问题片段；以及向用户设备提供所述问题片段。

摘要： 本发明公开了一种基于细粒度语义特征差异的图像文本匹配判别方法及系统，属于跨模态图文检索技术领域。目前的跨模态图像文本检索匹配方法一般基于粗粒度的图文匹配对数据集，在分辨图像与文本中细粒度的语义信息差异方面存在着一定的局限性。本发明通过在现有的图像文本跨模态检索方法基础上引入细粒度语义特征差异分析模块增强了模型对图像与文本细粒度特征的匹配能力。本发明提出了对图像与文本的差异联合语义特征进行分析的方法，使用多层感知机后接Softmax回归分类的方式计算图像与文本的匹配判别结果。实验证明，本发明在由Flickr30K拓展得到的自构建数据集上具有较高的准确性。

摘要： 本发明公开了一种基于模态差异缩减的RGB‑T图像语义分割方法，包括(1)构建双向模态差异缩减子网络，对输入的RGB和热红外配准的图像对提取更具辨别力的RGB特征和热红外特征并同时构建监督学习模型：(2)构建自适应通道加权融合模块，通过加权融合模块对多层级RGB特征和热红外特征进行逐通道加权融合得到多层级融合特征；(3)获取多层级融合特征，再通过计算得到空间相关性矩阵和通道相关性矩阵；(4)将空间相关性矩阵和通道相关性矩阵通过反卷积操作恢复为全分辨率，经过通道变换操作以及softmax函数进行逐像素分类计算后预测语义分割掩膜图；(5)训练算法网络得到模型参数。

摘要： 本申请公开了一种结合语义识别实现标识文本差异内容的方法，包括：S100：通过深度学习方法预训练所述相似度计算模型；S200：计算待对比文本的第一相似度；S300：逐个随机剔除待对比文本中的分词；S400：计算剔除分词之后的待对比文的第二相似度；S500：当第二相似度小于预设相似度阈值且大于第一相似度时，重复步骤S300；S600：当第二相似度小于第一相似度时，放回被剔除的分词后，重复步骤S300；S700：当第二相似度大于或等于预设相似度阈值时，标识待对比文本中被剔除的分词。本申请可以在保留语义的前提下，提取出两句文本中不同的内容，并对不同的内容进行高亮展示，准确高效的提取到使用者关注的核心要素，从而提升使用者的工作效率。

摘要： 本发明公开了一种基于语义分割类内特征差异性的知识蒸馏方法，目的是将复杂模型(教师模型)学到的暗知识迁移到精简模型(学生模型)，从而在提升语义分割模型的准确度的同时保持其速度。首先，分别通过教师模型和学生模型得到卷积特征；然后，通过掩膜指导的平均池化操作得到各个类别中心的特征图并由此计算各个像素点与其对应的类别中心的特征相似性，得到类内特征差异图；最后，使学生模型的类内特征差异图与教师模型对齐，以达到提升学生模型准确度的目的。本发明提出的蒸馏方法相对于现有技术思路新颖，得到的语义分割模型在准确度和速度方面都取得了良好的效果，同时该方法可以方便地和其他相关技术结合，有很强的实际应用价值。

摘要： 本发明提供了一种通过融合源领域和目标域中句子的语义差异和标签差异，来选择源领域数据中的正样本数据来扩展目标域的训练数据，达到增强目标域的命名实体识别性能的方法。在以往的Bi‑LSTM+CRF模型的基础上，为了融合源领域和目标域中句子的语义差异和标签差异，我们通过强化学习中的状态表示和奖励设置来引入语义差异和标签差异，使得训练的决策网络可以选择源领域的数据中对于目标域的命名实体识别的性能有正向影响的句子，扩展目标域的训练数据，解决目标域训练数据不足的问题，同时提升目标域的命名实体识别性能。

摘要： 本发明公开了一种基于语义差异化扩散的迁移学习方法及装置。该迁移学习方法包括如下步骤：利用预训练模型，抽取出预训练类别之间的先验关系；利用预训练类别之间的先验关系构建类别分散损失函数，完成预训练模型的预训练；利用预训练模型，抽取出下游数据集中的每一个类别的平均得分编码；根据下游数据集中的每一个类别的平均得分编码，将下游类别差异化地分散到不同的上游类别序列；构建差异化的语义分散损失函数，引导预训练模型在下游数据的迁移学习过程。本发明应用在自动驾驶场景中，可以取得较为优异的迁移学习表现，准确率明显高于现有的成熟模型，具有较好的实用价值。

摘要： 本发明提供了一种通过融合源领域和目标域中句子的语义差异和标签差异，来选择源领域数据中的正样本数据来扩展目标域的训练数据，达到增强目标域的命名实体识别性能的方法。在以往的Bi‑LSTM+CRF模型的基础上，为了融合源领域和目标域中句子的语义差异和标签差异，我们通过强化学习中的状态表示和奖励设置来引入语义差异和标签差异，使得训练的决策网络可以选择源领域的数据中对于目标域的命名实体识别的性能有正向影响的句子，扩展目标域的训练数据，解决目标域训练数据不足的问题，同时提升目标域的命名实体识别性能。