期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
学习资源语义关联关系及其可视化研究 被引量:8
1
作者 吴鹏飞 余胜泉 《中国电化教育》 CSSCI 北大核心 2015年第12期97-104,共8页
学习资源间丰富的关联关系可以实现资源的语义化组织,为智能化、个性化资源推荐提供知识基础,对于增加资源重用性、促进学习资源进化和提升学习有效性具有重要作用。然而,目前学习资源之间普遍缺乏关联,如何构建资源间语义关联关系是值... 学习资源间丰富的关联关系可以实现资源的语义化组织,为智能化、个性化资源推荐提供知识基础,对于增加资源重用性、促进学习资源进化和提升学习有效性具有重要作用。然而,目前学习资源之间普遍缺乏关联,如何构建资源间语义关联关系是值得研究的问题。目前已有的学习对象关系模型如SCORM关系模型、基于教学设计理论和基于修辞结构理论的关系模型都是从单一的维度去描述学习对象间的关系,还未考虑到开放网络环境下用户的多样化、个性化资源组织实际需求,更缺乏可视化的语义关联关系构建平台。该文在系统梳理国内外学习资源间的关联关系构建研究现状基础上,综合考虑开放网络环境下用户实际学习资源关联需求,提出一种学习资源语义关联关系模型,分为两大关系维度:面向结构语义型关系和面向教学语义型关系,共集成了30种关系;在此基础上,设计Web可视化的语义关联关系构建平台,并在学习元平台中实现。可视化语义关联关系构建为后续学习资源的快速进化和智能化、个性化资源推荐服务提供一定的语义基础。 展开更多
关键词 可视化 语义关联关系模型 关系构建 个性化资源推荐 学习元
在线阅读 下载PDF
基于关系特征强化的全景场景图生成方法
2
作者 李林昊 王逸泽 +2 位作者 李英双 董永峰 王振 《计算机应用》 北大核心 2025年第2期584-593,共10页
全景场景图生成(PSGG)旨在识别图像中所有对象并自动地捕获所有对象间的语义关联关系。语义关联关系建模依赖目标对象及对象对(subject-object pair)的特征描述,然而现行工作中存在以下不足:采用边界框提取方式获取的对象特征较模糊;仅... 全景场景图生成(PSGG)旨在识别图像中所有对象并自动地捕获所有对象间的语义关联关系。语义关联关系建模依赖目标对象及对象对(subject-object pair)的特征描述,然而现行工作中存在以下不足:采用边界框提取方式获取的对象特征较模糊;仅关注对象的语义和空间位置特征,忽略了对关系预测同样重要的对象对的语义联合特征和相对位置特征;未能针对不同类型的对象对(如前景-前景、前景-背景、背景-背景)进行差异化特征提取,进而忽略了它们之间的差异性。针对上述问题,提出一种基于关系特征强化的全景场景图生成方法(RFE)。首先,通过引入像素级掩码区域特征,丰富对象特征的细节信息,同时有效地融合对象对的联合视觉特征、语义联合特征和相对位置特征;其次,根据对象对的不同类型,自适应地选择最适合本类型对象对的特征提取方式;最后,获得强化后更精确的关系特征用于关系预测。在PSG数据集上的实验结果表明,以VCTree(Visual Contexts Tree)、Motifs、IMP(Iterative Message Passing)和GPSNet为基线方法,ResNet-101为骨干网络,RFE在具有挑战性的SGGen任务上召回率(R@20)指标分别提高了4.37、3.68、2.08和1.80个百分点,验证了所提方法在PSGG的有效性。 展开更多
关键词 全景场景图生成 对象对联合特征 关系特征强化 语义关联关系 自适应选择
在线阅读 下载PDF
基于消息关联关系的Web服务组合模型 被引量:1
3
作者 熊炎 郭颂 郭立新 《信阳师范学院学报(自然科学版)》 CAS 北大核心 2013年第2期301-304,共4页
分析了Web服务之间存在的语义关联关系,给出了Web服务之间关联关系映射为消息传递关系的相关定义及消息处理规则,提出了基于消息关联关系的语义Web服务组合模型,阐述了组合服务生成时消息处理过程.该模型为用户提供了一种简单、通用的... 分析了Web服务之间存在的语义关联关系,给出了Web服务之间关联关系映射为消息传递关系的相关定义及消息处理规则,提出了基于消息关联关系的语义Web服务组合模型,阐述了组合服务生成时消息处理过程.该模型为用户提供了一种简单、通用的服务组合机制,降低了语义Web服务组合的复杂性. 展开更多
关键词 WEB服务 WEB服务组合模型 消息 语义关联关系
在线阅读 下载PDF
加权关联规则算法在图像标注领域中的应用
4
作者 于蕾 王琴 +1 位作者 孙沁瑶 马萌 《软件导刊》 2016年第10期130-133,共4页
将关联规则挖掘算法推广到图像标注领域,提出了适用于图像语义标注任务的加权关联规则挖掘算法。通过为每个标签及标签集合赋予一定权重,可以保留出现次数少却具有重要意义的标签,以更好地挖掘语义标签之间潜在的有价值的规则。对语义... 将关联规则挖掘算法推广到图像标注领域,提出了适用于图像语义标注任务的加权关联规则挖掘算法。通过为每个标签及标签集合赋予一定权重,可以保留出现次数少却具有重要意义的标签,以更好地挖掘语义标签之间潜在的有价值的规则。对语义概念之间的层次关系进行了研究,利用高层语义概念对图像标签的结果集合进行扩展,以避免人工标注过程中的不完整标注和遗漏标注问题。实验验证表明,该算法在发现关联规则的数量和扩展标签的质量上性能都优于经典的Apriori算法,证明了该算法的有效性。 展开更多
关键词 语义标签关联关系 图像标注 加权支持度 加权置信度 语义概念分层
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部