當(dāng)今是數(shù)字化智能時(shí)代,大量的數(shù)字化數(shù)據(jù)的隨之涌現(xiàn),亟須新的高效的數(shù)據(jù)組織和管理方法。隨著機(jī)器學(xué)習(xí)等相關(guān)技術(shù)的發(fā)展以及國(guó)家和人民對(duì)文化領(lǐng)域的不斷重視,科技與文化領(lǐng)域的交叉學(xué)科研究也受到越來越多的關(guān)注。其中,傳統(tǒng)民族紋飾是中國(guó)傳統(tǒng)文化的重要組成部分,蘊(yùn)含著豐富的藝術(shù)價(jià)值。由于用戶對(duì)傳統(tǒng)民族紋飾數(shù)據(jù)標(biāo)注時(shí)使用自定義的標(biāo)簽,使得標(biāo)簽質(zhì)量不高。為更好地對(duì)傳統(tǒng)民族紋飾數(shù)據(jù)進(jìn)行組織和管理,對(duì)標(biāo)簽優(yōu)化研究成為一個(gè)很有意義的研究課題。本文針對(duì)如何提高傳統(tǒng)民族紋飾數(shù)據(jù)的標(biāo)簽缺乏結(jié)構(gòu)信息以及質(zhì)量低的問題,提出了標(biāo)簽優(yōu)化算法,主要的研究?jī)?nèi)容如下:(1)針對(duì)標(biāo)簽沒有類別信息這一問題,本文通過搜集大量的領(lǐng)域相關(guān)的數(shù)據(jù),對(duì)相關(guān)文本的關(guān)鍵詞提取和互聯(lián)網(wǎng)中相關(guān)的半結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)計(jì),并且領(lǐng)域?qū)＜医涣鳒贤ㄋ鶚?gòu)建了標(biāo)簽體系結(jié)構(gòu)。在此基礎(chǔ)上,利用詞向量能表達(dá)標(biāo)簽的語(yǔ)義特征和支持向量機(jī)在高維空間良好分類能力的特性,提出了基于WV-SVM的標(biāo)簽分類算法。通過與基于樸素貝葉斯和K近鄰的算法進(jìn)行對(duì)比,證明了該算法的有效性。(2)針對(duì)標(biāo)簽不完備的問題,本文利用描述傳統(tǒng)紋飾的文本進(jìn)行命名實(shí)體識(shí)別,為充分挖掘出文本中的信息,識(shí)別出文本中的標(biāo)...

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 標(biāo)簽分類研究
        1.2.2 命名實(shí)體識(shí)別研究
        1.2.3 圖像標(biāo)簽優(yōu)化研究
    1.3 論文主要內(nèi)容
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 標(biāo)簽優(yōu)化相關(guān)技術(shù)研究基礎(chǔ)
    2.1 標(biāo)簽分類
        2.1.1 詞向量模型
        2.1.2 支持向量機(jī)
    2.2 命名實(shí)體識(shí)別
        2.2.1 概率圖模型
        2.2.2 神經(jīng)網(wǎng)絡(luò)
    2.3 圖像SIFT特征提取
    2.4 標(biāo)簽相似度度量方法
        2.4.1 基于語(yǔ)料庫(kù)的標(biāo)簽相似度計(jì)算方法
        2.4.2 基于語(yǔ)義資源的標(biāo)簽相似度計(jì)算方法
        2.4.3 基于詞向量的標(biāo)簽相似度計(jì)算方法
    2.5 本章小結(jié)
第三章 傳統(tǒng)民族紋飾的標(biāo)簽分類體系構(gòu)建和標(biāo)簽分類算法
    3.1 傳統(tǒng)民族紋飾標(biāo)簽分類體系構(gòu)建
        3.1.1 傳統(tǒng)民族紋飾數(shù)據(jù)來源和分析
        3.1.2 傳統(tǒng)民族紋飾領(lǐng)域術(shù)語(yǔ)抽取
        3.1.3 互聯(lián)網(wǎng)數(shù)據(jù)的半結(jié)構(gòu)化信息抽取
        3.1.4 傳統(tǒng)民族紋飾標(biāo)簽分類體系構(gòu)建
    3.2 基于詞向量-SVM的標(biāo)簽分類算法
        3.2.1 算法流程設(shè)計(jì)
        3.2.2 標(biāo)簽的特征表示
        3.2.3 構(gòu)建SVM分類器
        3.2.4 基于WV-SVM的標(biāo)簽分類算法
    3.3 實(shí)驗(yàn)結(jié)果與分析
        3.3.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.3.2 評(píng)價(jià)指標(biāo)
        3.3.3 標(biāo)簽相似度計(jì)算
        3.3.4 實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
第四章 基于BERT的傳統(tǒng)民族紋飾領(lǐng)域命名實(shí)體識(shí)別算法
    4.1 問題定義
    4.2 BERT-BiLSTM-CRF模型構(gòu)建
        4.2.1 BERT層
        4.2.2 BiLSTM層
        4.2.3 CRF層
    4.3 算法流程設(shè)計(jì)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)與評(píng)價(jià)指標(biāo)
        4.4.2 實(shí)驗(yàn)環(huán)境
        4.4.3 參數(shù)設(shè)置
        4.4.4 實(shí)驗(yàn)結(jié)果
    4.5 本章小結(jié)
第五章 面向傳統(tǒng)民族紋飾圖文數(shù)據(jù)的無關(guān)標(biāo)簽去除算法
    5.1 問題定義
    5.2 算法描述
        5.2.1 算法流程設(shè)計(jì)
        5.2.2 數(shù)據(jù)簇的獲取
        5.2.3 無關(guān)標(biāo)簽去除
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)
        5.3.2 評(píng)價(jià)指標(biāo)
        5.3.3 實(shí)驗(yàn)結(jié)果
    5.4 本章小結(jié)
第六章 面向傳統(tǒng)民族紋飾數(shù)據(jù)的標(biāo)簽優(yōu)化系統(tǒng)
    6.1 系統(tǒng)需求分析
    6.2 系統(tǒng)總體設(shè)計(jì)
    6.3 系統(tǒng)詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)
        6.3.1 用戶管理功能
        6.3.2 標(biāo)簽分類功能
        6.3.3 實(shí)體識(shí)別功能
        6.3.4 無關(guān)標(biāo)簽去除功能
        6.3.5 數(shù)據(jù)庫(kù)設(shè)計(jì)
    6.4 系統(tǒng)測(cè)試
    6.5 本章小結(jié)
第七章 總結(jié)與展望
    7.1 工作總結(jié)
    7.2 工作展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的研究成果



本文編號(hào)：3867386