《关雎》政教化历程论析

《关雎》作为《国风》之始,它随着《诗》的政教化,从民间歌诗上升为儒家进行政治教化的典范篇章。但是这一变化不是一蹴而就的,它的政教化与它自身的阐释空间以及现实政治的需要密切关联。它的政教化有一个颇为清晰的嬗变过程。     

语义特征与翻译表达

语义理解是在翻译表达过程中首先遇到并应当处理好的一个重要方面。译者正确把握词的语义特征，有利于准确地传达原作的意义，充分展现原作的整体风格。     

应用LSI实现WEB图片的索引和查询

应用奇异值分解方法，分析相关文本词条和图片语义的关系，构造了一个图片“潜在语义索引”模型，用于缓解传统的许多WEB图片检索系统在索引和查询中遇到的同义词和多义词问题，实现语义索引和查询实验表明，该模型能有效地改善图片的索引和查询性能。     

基于短语级情感分析的不良信息检测方法

针对基于关键词字符匹配和粗粒度情感分析方法的传统不良信息检测方法准确率低的问题,提出一种基于短语级情感分析的不良信息检测方法.该方法制定语法规则来提取敏感词所在短语,结合二次分类的情感词典,通过分析短语的情感倾向来判断表达者对敏感关键词的情感倾向,从而判定内容的敏感性.本文方法克服了字符串匹配方法的缺点,如:传统的字符串匹配方法忽视敏感词上下文,从而导致大量误报的缺点,及粗粒度情感分析方法由于无法准确定位情感对象,只能以文本整体情感倾向代表表达者主观情感,导致不能精准分析与敏感词相关的情感倾向及敏感性.实验表明,本文方法与传统方法相比,准确率有较大的提升.     

基于IETM的图像类装备保障数据语义标注研究

为了有效的组织、查询和浏览海量的图像类装备保障数据,分析了现有图模型图像语义标注方法的弊端,选取了装备IETM内的图像类装备保障数据信息作为图像语义标注的样本数据,并结合TF*IDF权值理论,改进了图模型语义标注方法的语义标注词选定方法,构建了基于装备IETM的图像类装备保障数据语义标注模型。实验结果表明,所提出的图像类装备保障数据语义标注模型及算法能够有效地提升图像数据信息查询的查准率与查全率,能够在一定程度上满足用户对图像类装备保障数据语义标注的需求。     

Fuzzy ontology representation using OWL 2

The need to deal with vague information in Semantic Web languages is rising in importance and, thus, calls for a standard way to represent such information. We may address this issue by either extending current Semantic Web languages to cope with vagueness, or by providing a procedure to represent such information within current standard languages and tools. In this work, we follow the latter approach, by identifying the syntactic differences that a fuzzy ontology language has to cope with, and by proposing a concrete methodology to represent fuzzy ontologies using OWL 2 annotation properties. We also report on some prototypical implementations: a plug-in to edit fuzzy ontologies using OWL 2 annotations and some parsers that translate fuzzy ontologies represented using our methodology into the languages supported by some reasoners.     

矩阵奇异值分解及其在高维数据处理中的应用

矩阵奇异值分解能够实现对高维数据的局部特征提取及维数约减,在智能信息处理和模式识别研究领域具有十分重要的应用价值.首先分析了高维数据处理所面临的困境,并对常用的降维算法进行简单的归纳总结;然后阐述了矩阵奇异值分解的基本原理及其在维数约减和数据压缩中的物理意义;接着通过分析两种建立在奇异值分解基础上的PCA与LSA降维算法的数学导出过程,进一步给出了两者的等价性证明;最后总结了矩阵奇异值分解的优缺点,并且预测了高维数据处理技术未来的发展趋势.     

产品MBD数据集三维标注的自动校验与实现

针对目前商用CAD软件中MBD功能三维标注缺乏正确性校验问题,基于OpenCASCADE几何造型内核研究了三维尺寸标注与标注有效性检查的问题.通过提取被标注对象的几何特征,结合信息标注规则,判断用户标注内容与标注对象间的匹配性,进而判断标注的正确性,增加了系统三维尺寸标注的智能性.设计了分层数据结构存储标注信息,并将标注信息与形体要素相关联,避免了三维标注中重复标注的现象,也为后续的产品虚拟装配、加工制造以及产品服役中产品语义信息的自动化提取提供可能.将标注信息以XML格式储存,便于信息的传输和访问,为进一步研究产品的数字孪生技术打下良好的基础.     

基于深度学习的图像抠图技术

图像抠图(image matting)技术是图像编辑技术的基础, 广泛应用于影视后期制作和日常生活. 基于深度学习的图像抠图网络, 通过输入的原图和三元图来估计每个像素的 $\alpha$ 值. 在原下、上采样的图像抠图技术基础上, 针对抠图数据集图像差异较大容易造成网络收敛较慢的问题, 在每个卷积层后加入了批量标准化(batch normalization, BN)层, 对输入数据进行归一化操作, 加快模型收敛速度, 同时参数更新方向更符合数据集整体特性; 针对抠图任务需要更关注物体边缘部分的特点, 使用可变形卷积(deformable convolution)层替换普通卷积层. 可变形卷积层会根据不同输入数据自适应学习卷积核形状, 有效扩大感受野范围, 在细节部分有更好的预测效果.