基于深度模型的事件检测算法研究

发布时间：2024-03-04 02:28

　　当今世界每时每刻都有许多真实事件在发生,如公共安全事件(游行示威、火灾车祸等)、体育娱乐事件(体育比赛、演出表演等)等等。其中,网上新闻媒体和社交媒体等互联网数据平台是人们得知现实世界事件发生的主要途径。通过互联网数据进行事件检测具有十分重要的意义。本文主要针对两种常见场景的事件检测问题进行研究,即单数据源下的多模态事件检测与基于迁移学习的不同数据源的同构事件检测。对于单数据源下的多模态事件检测,其主要存在着标签样本少的问题,本文提出一个深度逐层堆叠模型,通过充分利用多模态特征来对解决现实场景中标定样本稀少的问题。该模型由Dropout模块、Block模块和Detector模块组成,其中,Dropout模块避免了模型的过拟合、Block模块利用多个分类器对多模态数据进行融合、Detector模块决定模型的深度。对于基于迁移学习的不同数据源的同构事件检测,本文提出基于联合分布适配的最大化分类器差异模型的迁移学习方法来解决异源数据之间的迁移问题。其一方面通过最小化最大均值差异距离以减少不同源数据之间的联合分布差异,另一方面利用两个分类器之间的差异进行对抗学习使生成器生成上生成的不同源数据之...

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

图2-1Word2vec两种模型的示意图

第二章预备知识以一个CBOW模型的例子来说明该过程。对于一个句子“Iamnotanenginee取上下2个单词作为输入，即输入为4个单词，输出为词语“not”。由于有数，通过反向传播算法，可以训练出一个生成词向量的模型。基于该算法具特征表示能力，本文对于文本....

图2-2Vgg网络模型示意图

图2-2Vgg网络模型示意图[34]Fig.2.2ThediagramofVggnetmodel[34]、池化层以及激活函数组成。其中，卷积层通过卷积操作提取图像中卷积的特征留了图像的空间结构；池化层是为了减小图像发生旋转或变形产生的影响；激活则是使模型具备非线....

图2-3卷积操作示意图

Fig.2.2ThediagramofVggnetmodel[34]以及激活函数组成。其中，卷积层通过卷积操作提取图像中的空间结构；池化层是为了减小图像发生旋转或变形产生的型具备非线性特征，使模型有更强的拟合能力。积与池化操作核中，有许多可学习的参数变量，每个卷积核对....

图2-4池化示意图

卷积操作是通过卷积核对输入图像进行“遍历”，最后得卷积操作的一些其它参数，如卷积的步长与是否填充。卷积的步在输入图片上滑动的步伐，是否填充指的是当原图与卷积核大小不图像的周围像素点填充“0”.，在卷积层之后进行池化的操作，又叫采样操作。因为卷积层是采行卷积，使得相邻像素点之间的信....

本文编号：3918748