Apr, 2022

在桥底下寻找巨魔：一个图像模式检测器的初步工作

PDF
TL;DR本文初步报告了一项关于自动检测民间传说中的 Motifs 的系统开发，其中包括用于训练的标记工作、在建构架构中设计用于捕捉 Motifs 的关键特征、和测试案例的测量结果，进一步证明 Motifs 的重要性以及其在文化认知领域自动化处理的潜在价值。
发现论文，激发创造
  • 基于主题模式的争议识别方法

    本研究研究 Social Media 中的争议话题，提出了一种通过利用网络模式检测 Social Media 中争议话题的方法，该方法基于用户交互的局部模式，不需要了解自然语言，95% 的准确度比传统的句子分析方法和传播模型方法都有很大的改进。

    Mar, 2017

  • 基于网络模式识别的作者归属

    利用复杂网络的概念和方法，研究关键词识别、自动提取摘要和作者归属等自然语言处理任务中的模式识别技术，提出了基于功能词重复模式的作者归属任务，运用机器学习方法对其进行验证，结果表明模式能够区分不同作者的写作风格，并推荐将其应用于其他相关的语言任务。

    Jul, 2016

  • 使用模式检测进行对话模式挖掘

    在社交媒体兴起和预训练语言模型的帮助下，探讨了对话的复杂性与价值。使用无监督方法开发了一种对话模式挖掘技术，并从开源电影脚本数据集中提取了模式以进行探索性研究。

    Nov, 2022

  • Motiflets -- 时间序列中基序的快速准确检测

    本文提出了一种新方法称为 k-Motiflets，将 motif discovery 颠倒了过来，使用基于 k 个重复片段的算法来避免繁杂、不可预知的规则，此外还有自动确定输入参数的扩展功能。实现了无需先验知识就能提取有意义的 motif sets，与现有状态下的四种算法比较，发现本文所提出算法具有（a）数量上更好的相似度，可以找到更大的 motif set；（b）质量更佳，可以导致更清晰、更易解释的 motif，（c）具有最短的运行时间。

    Jun, 2022

  • 使用主题建模和聚类分析不同地区的民间故事

    本研究运用主题模型和聚类等自然语言处理技术，研究民间故事中的文化关系，发现了家庭、食物、传统性别角色、神话人物和动物等元素在各地民间故事中的普遍性，并发现了不同地区民间故事话题的差异性。此研究为今后民间故事研究提供了资源，同时也是运用自然语言处理技术分析特定领域文档的例子。

    Jun, 2022

  • 交互网络中的流动模式

    本文提出了一种称为 Network Flow Motifs 的新型模式，可以在约束的时间窗口内模拟一组顶点之间的重要流量传递，并设计了一种寻找大型图中流模式实例的算法，并在三个真实数据集上评估了算法性能并发现了网络中的有趣模式。

    Oct, 2018

  • 时间网络中的 Motifs

    本文发展了时态网络模体的概念以及一个计算方法。结果表明不同领域的网络拥有显著不同的模体计数，同一领域的网络则有类似的模体计数，不同的模体发生在不同的时间尺度上。

    Dec, 2016

  • 最优时间序列模式

    该论文提出了一种基于优化的方法来发现时间序列中的模式，该方法相对于搜索更能够发现频繁出现的、最优的模式，即使这些模式并不是明确的子序列。

    May, 2015

  • 社交网络分析中的模式聚类和重叠聚类

    本文引入了一种新的聚类范式 —— 模式聚类，该文章探讨了模式聚类在社交网络社区分析中的应用，以及通过模式覆盖算法实现的重叠聚类与潜在特征推断等问题。

    Dec, 2016

  • 来自人工智能反馈的内在动机

    Motif 是一种基于大型语言模型（LLM）的方法，通过最大化内在奖励来训练代理程序，实现从先验知识中提取环境决策并探索复杂环境的能力，在挑战性的 NetHack 游戏中取得了优异表现并在无需演示的任务上取得了突破。

    Sep, 2023