May, 2023

提取花卉和植物隐喻名称的深度学习方法

PDF
TL;DR本研究使用十三种基于 Transformer 的模型和 ChatGPT，旨在通过深度学习自动识别篇章中的隐喻词汇，结果表明，判别式模型的表现优于 GPT-3.5 模型，并取得 92.2349％的隐喻植物和花卉名称识别任务的 F1 评分。
botanymetaphorical termsnatural language processingmachine translationdeep learning
发现论文，激发创造
  • 自动融合多模态深度学习用于植物识别

    利用多模态深度学习方法，将植物的花朵、叶子、水果和茎的图像整合成一个连贯的模型，实现了对 PlantCLEF2015 数据集 956 个类别的植物进行自动分类，准确率达到 83.48%，超过了现有方法 11.07% 的性能。

    Jun, 2024

  • DeepFlorist：基于元分类器的深度神经网络和集成学习方法用于物体分类的重新思考

    本文描述了一种名为 “DeepFlorist” 的新型学习范式，使用集成学习作为元分类器进行花卉分类。 DeepFlorist 结合了深度学习的强大能力和集成方法的鲁棒性，以实现准确可靠的花卉分类结果。 该框架在基准花卉数据集上的实验结果表明 DeepFlorist 的有效性，其在准确性和鲁棒性方面优于现有方法。 该框架具有在实际应用中用于自动化花卉识别系统的潜在价值，从而促进植物分类学，保护工作和生态研究的进步。

    Jul, 2023

  • Floralens: 一种用于葡萄牙本土植物的深度学习模型

    使用机器学习技术，特别是深度卷积神经网络，对生物种类进行基于图像的识别在很多公众科学平台中至关重要。然而，关于训练网络所需的关键数据集构建和网络架构的选择目前有很少的文献资料，因此难以复制。本文提出了一种简化的方法，通过使用公开可用的研究级数据集，构建生物分类的数据集，并使用 Google 的 AutoML Vision 云服务的现成深度卷积神经网络模型。以葡萄牙本土植物为案例研究，该案例研究依托于葡萄牙植物学会提供的高质量数据集，并通过添加来自 iNaturalist、Pl@ntNet 和 Observation.org 的采样数据扩大。我们发现，通过精心设计数据集，现成的机器学习云服务可以轻松生成与最先进的公众科学平台相媲美的准确模型。我们开发的最佳模型，名为 Floralens，已集成到 Project Biolens 的公共网站中，在该网站中我们收集了其他分类的模型。训练该模型所使用的数据集和模型本身均可在 Zenodo 上公开获取。

    Feb, 2024

  • 预训练语言模型中的隐喻：跨数据集和语言的探测和普适性研究

    该研究使用多语言数据集探索预训练语言模型中所编码的隐喻性信息，结果显示这些模型的中间层主要包含了隐喻性知识，并且该知识在多语言和多数据集中具有泛化性。

    Mar, 2022

  • 基于深度学习的隐喻检测知识注入：综述

    该研究对深度学习在隐喻识别任务中的知识注入应用进行了全面的综述和总结，包括主流知识和知识注入原则、数据集、评估指标和基准模型，并探讨了当前知识注入方法面临的问题和未来研究方向。

    Aug, 2023

  • 学会跳出框框：语篇级别特征改善隐喻辨别

    本文提出，语境特征对于更好的隐喻识别非常重要，我们基于多种文档嵌入方法对话语及其周围环境进行表征，使用简单的梯度增强分类器，在不使用其他系统采用的复杂隐喻特定特征或深度网络体系结构的情况下，达到了几乎最先进的 2018 年 VU 阿姆斯特丹隐喻识别任务数据集的结果，并进一步通过质性分析证实了在隐喻处理中需要更广泛的上下文环境。

    Apr, 2019

  • IndoHerb：使用迁移学习和深度学习的印尼草药识别

    在这项研究中，通过使用卷积神经网络的迁移学习方法，从印度尼西亚采集的草药植物图像数据进行数据预处理和分类，并分析了三个模型的测试结果。其中 DenseNet121 模型具有最高的准确率，为 87.4%。

    Aug, 2023

  • 采用深度学习架构进行多语言实体识别和意图分类

    探索使用双向长短时记忆网络和 Transformer 网络在英语和希腊语上进行 ATIS 基准数据集的实体识别和意图分类任务中的效果并进行比较分析，结果表明使用这两种网络模型都可以得到高性能的结果。

    Nov, 2022

  • 发现困扰预训练语言模型的具有挑战性的隐喻

    对 VUA 隐喻数据集进行分析发现，很多隐喻对下游任务的性能产生很小的影响，因此需要将研究者的注意力转移到那些具有挑战性的隐喻上。为了识别出难度较大的隐喻，本文提出了一个自动化流程，并对各种热门 NLP 系统的机器翻译准确率降低了 16％、问答性能降低了 4％、自然语言推理降低了 7％、隐喻识别回忆率降低了超过 14％。

    Jan, 2024

  • 生成变换器用于设计概念生成

    利用自然语言生成技术，提出了一种新的方法来自动化早期设计概念的生成，其中涉及到设计思维、计算机辅助设计、预训练变压器和概念生成任务。实验结果显示，该方法在生成创新和有用概念方面表现良好。

    Nov, 2022