semantic change detection | BriefGPT

关键词semantic change detection

搜索结果 - 12

一种适用于语义变化检测的后期双时区特征融合网络
我们提出了一种新颖的迟期双时期特征融合网络来解决地理科学和地球观测中的语义变化检测问题。通过引入局部全局注意聚合模块和局部全局上下文增强模块，我们的模型在两个公共数据集上取得了最新的最佳性能。
PDF19 days ago
MapChange: 基于深度三元组网络的历史地图不变性增强语义变化检测
Semantic Change Detection（SCD）是图像分析领域中被认为是至关重要且具有挑战性的任务。传统 SCD 方法主要依赖于图像对比，但这种方法受到拍摄时间、大气条件和角度变化等的显著影响。为了解决这些问题，开发了 MapC
PDF5 months ago
AGSPNet: 一种基于农业地理场景约束的无人机高分辨率图像农作物细粒度语义变化检测框架
该研究提出了一种针对农作物的农业地理场景和地块尺度受限的语义变化检测（SCD）框架（AGSPNet），通过有效提取农作物的深度图像特征，可以在复杂的场景中明确检测到农作物类型的细微变化信息，从而为智能农业监测与管理、粮食政策制定和食品安全保
PDF6 months ago
EMNLP能否借助词义分布检测词义的语义变化？
通过比较两个不同时期收集的语料库中目标词义的分布，利用预训练的静态感知嵌入自动标注每个语料库中目标词出现的感知 id，并使用不同的差异或距离度量来量化目标词在两个给定语料库中的语义变化，实验结果在 SemEval 2020 任务 1 数据集
PDF9 months ago
利用配对的 OpenStreetMap 数据和光学高分辨率影像通过对象引导的 Transformer 进行土地覆盖变化检测
使用光学高分辨率图像和 OpenStreetMap（OSM）数据进行土地覆盖变化检测，引入目标引导的 Transformer（ObjFormer）架构，结合目标基于图像分析（OBIA）技术和先进的视觉 Transformer 架构，实现了直
PDF9 months ago
罗马尼亚语的语义变化检测
自动语义变化方法旨在通过分析词语在历时语料库中的使用来识别其含义随时间的变化。本文分析了在真实的英语和罗马尼亚数据集上创建静态和上下文词嵌入模型（Word2Vec 和 ELMo）的不同策略。通过对英语数据集（SEMEVAL-CCOHA）进行
PDF10 months ago
不要开除语言学家：语法分析有助于语言模型检测语义变化
在这项研究中，我们探究了大型预先训练的上下文感知语言模型和语法特征分析在语义变化检测方面的异同。结果表明，将语法特征分析和语言模型相结合能够提高语义变化检测的性能，尤其是对于大部分数据集和语言而言。但对于一些跨度时间相差较长的测试集，语法特
PDF2 years ago
ACL语言模型的时间注意力
该研究提出了一种时间感知的自注意力机制 —— 时间注意力，用于任何基于变形器模型的预训练语言模型中，以捕捉上下文中的时间信息，并应用于语义变化检测任务，在三个不同语言的数据集上取得最先进的结果。
PDF2 years ago
WSDM面向时间语言模型的时间掩码技术
本文介绍了一种基于时间的上下文语言模型 TempoBERT，通过添加时间信息和进行特定的时间掩码来适应语言的动态性，并在不同的数据集上进行了实验，证明利用时间掩码可以在语义变化检测和句子时间预测任务中得到好的效果。
PDF3 years ago
语法分析应用于语义变化检测
本文探讨了词语语义变化检测方法的计算方式，介绍了一种基于形态句法行为变化的词汇语法分析方法（grammatical profiling），并证明其比某些基于分布式语义的方法（distributional semantic methods）更
PDF3 years ago
寻找变革？掷骰子并要求关注
本研究提出了一种新的基于深度学习的遥感语义变化检测方法，使用新的注重视觉任务的注意力模块和新的损失函数，实现了优秀的检测性能，达到了行业最高水平。
PDF4 years ago
在词使用中捕获进化：只需增加更多聚类吗？
本文旨在研究语义演变在文本数据中的检测与分析方法，特别是基于上下文嵌入的新方法，通过对比多个方法的表现以及提出相关改进策略，显著提高了现有方法的性能。
PDF4 years ago