《表3 分层、多粒度的事件脉络分析方法总结》
该框架首先基于位置聚类将文本流划分为不同的类簇,每个类簇以一个位置作为全局事件脉络的框架。其次,针对每个局部文档集,构造多视图并选择代表性的推文来代表事件,同时,采用Steiner树算法来平滑地生成本地事件脉络;最后,总结本地事件脉络作为全局的故事情节。然而,由于时间、空间、异构性和信息过载,大多数现有的故事情节仅基于文本数据,传递的信息有限,Yuan R等[62]介绍了一种多模态两层故事线生成框架。该模型采用生成式对抗网络来实现一个无监督的双语文档摘要模型。然后将图像和文本合并问题转化为多标签学习问题,利用卷积神经网络训练分类模型。最后,将双语文档和图像联合归纳并嵌入到一个两层的故事线生成框架中。针对分层多粒度的事件脉络生成问题,本文将现有的方法总结如表3所示。
图表编号 | XD00109142200 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.01 |
作者 | 张晨昕、饶元、樊笑冰、王硕 |
绘制单位 | 西安交通大学深圳研究院、西安交通大学软件学院社会智能与复杂数据处理实验室、西安交通大学深圳研究院、西安交通大学软件学院社会智能与复杂数据处理实验室、西安交通大学软件学院社会智能与复杂数据处理实验室、西安交通大学软件学院社会智能与复杂数据处理实验室 |
更多格式 | 高清、无水印(增值服务) |