面向電力計量領(lǐng)域,文中提出了一種基于語義關(guān)聯(lián)的跨媒體知識圖譜構(gòu)建方法。不同類型媒體的低層特征之間存在語義鴻溝,難以直接關(guān)聯(lián),但描述同一實體的不同類型媒體在高層語義上具有相同的語義標簽信息,即存在語義關(guān)聯(lián)。文中基于電力計量領(lǐng)域的知識特點,通過語義分析與特征提取、語義關(guān)聯(lián)挖掘、跨媒體本體構(gòu)建等核心步驟來完成跨媒體知識圖譜。實驗結(jié)果表明所提構(gòu)建方法有效,并且可以支持電力計量領(lǐng)域的跨媒體檢索應(yīng)用。 

【文章來源】：計算機科學(xué). 2020,47(S2)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

跨媒體知識圖譜構(gòu)建流程框架

對于音頻模態(tài),提取語音特征參數(shù)MFCC。以“電能表”類別中的12號音頻為例,提取結(jié)果如圖9所示,提取的MFCC的聲譜二維數(shù)組如圖9所示,數(shù)組大小為154*13。根據(jù)得到的各個音頻模態(tài)的數(shù)組,可以進行矩陣相似度計算,從而得到音頻單模態(tài)之間的相似性。以圖片模態(tài)為例,對訓(xùn)練樣本進行相似性計算,結(jié)果如圖10所示。

以圖片模態(tài)為例,對訓(xùn)練樣本進行相似性計算,結(jié)果如圖10所示。從相似矩陣中可以觀察到,同語義的圖片對象相似度要高一些。因此,采用本文方法分析語義關(guān)聯(lián)性具備合理性。

【參考文獻】：
期刊論文
[1]跨媒體知識圖譜構(gòu)建中多模態(tài)數(shù)據(jù)語義相關(guān)性研究[J]. 熊回香,楊滋榮,蔣武軒.  情報理論與實踐. 2019(02)
[2]基于深度學(xué)習(xí)的數(shù)字圖書館跨媒體語義檢索方法研究[J]. 彭欣.  情報探索. 2018(02)
[3]基于潛語義主題加強的跨媒體檢索算法[J]. 黃育,張鴻.  計算機應(yīng)用. 2017(04)
[4]跨媒體分析與推理:研究進展與發(fā)展方向（英文）[J]. Yu-xin PENG,Wen-wu ZHU,Yao ZHAO,Chang-sheng XU,Qing-ming HUANG,Han-qing LU,Qing-hua ZHENG,Tie-jun HUANG,Wen GAO.  Frontiers of Information Technology & Electronic Engineering. 2017(01)
[5]基于關(guān)聯(lián)規(guī)則挖掘的跨網(wǎng)絡(luò)知識關(guān)聯(lián)及協(xié)同應(yīng)用[J]. 黃曉雯,嚴明,�；w,徐常勝.  計算機科學(xué). 2016(07)
[6]基于語義關(guān)聯(lián)挖掘的數(shù)字圖書館跨媒體檢索方法研究[J]. 明均仁,何超.  圖書情報工作. 2013(07)



本文編號：3059090