《表3 在意外伤害类安全话题上的搜索性能top n评价》
如表3和图5所示,DSSM方法和CLSM方法以全局语义深度特征表示为基础,对局部语义要素信息也具有一定敏感性,使得两种方法在相同安全话题内容上的评价结果相近。通过训练深度卷积神经网络,对能够表示“安全”的语义词汇要素进行处理,使得深度网络结构对此类语义要素敏感。意外伤害类安全话题微博文本的数据特性类似于恐怖袭击类微博文本的数据特性,包含大量语义要素。通过预训练深度卷积神经网络,可以对此类语义要素所包含的语义特征进行有效处理,并获得适当的深度特征表示。因此本文方法(MS-DCNN)在恐怖袭击类安全话题和意外伤害类安全话题数据上的搜索结果优于其他对比方法。
图表编号 | XD0036946400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.05.01 |
作者 | 周南、杜军平、姚旭、梁美玉、薛哲、LEE JangMyung |
绘制单位 | 北京邮电大学智能通信软件与多媒体北京市重点实验室计算机学院、北京邮电大学智能通信软件与多媒体北京市重点实验室计算机学院、北京邮电大学智能通信软件与多媒体北京市重点实验室计算机学院、北京邮电大学智能通信软件与多媒体北京市重点实验室计算机学院、北京邮电大学智能通信软件与多媒体北京市重点实验室计算机学院、釜山国立大学电子工程系 |
更多格式 | 高清、无水印(增值服务) |