多模態(tài)語(yǔ)義知識(shí)庫(kù)構(gòu)造方法研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，產(chǎn)生越來(lái)越多的數(shù)據(jù)，并且數(shù)據(jù)的形式也越來(lái)越豐富，如何利用好這些數(shù)據(jù)成為了一個(gè)很有意義的研究課題。目前，還沒(méi)有有效的方法來(lái)組織和管理這些多模態(tài)的數(shù)據(jù)?，F(xiàn)在的大部分的數(shù)據(jù)集存在著不同方面的不足。有的數(shù)據(jù)集只是針對(duì)某一個(gè)模態(tài)，有的包含多種模態(tài)，但是數(shù)據(jù)的組織形式單一，語(yǔ)義知識(shí)不夠豐富。本文結(jié)合各種數(shù)據(jù)集的優(yōu)點(diǎn)，提出一種基于層次語(yǔ)義結(jié)構(gòu)的多模態(tài)數(shù)據(jù)的組織方法。
　　多模態(tài)數(shù)據(jù)的爬取是整個(gè)知識(shí)庫(kù)構(gòu)造的基礎(chǔ)，為了能夠構(gòu)造一個(gè)

2、有效的多模態(tài)語(yǔ)義知識(shí)庫(kù)，本文借鑒ImageNet和其他數(shù)據(jù)集的方法。首先人工構(gòu)造了一個(gè)層次語(yǔ)義結(jié)構(gòu)，用來(lái)指導(dǎo)數(shù)據(jù)的爬取和后期數(shù)據(jù)的組織。對(duì)于構(gòu)造的層次語(yǔ)義，對(duì)每個(gè)節(jié)點(diǎn)采用主題爬蟲(chóng)的方法進(jìn)行相應(yīng)語(yǔ)義數(shù)據(jù)集的爬取。通過(guò)對(duì)構(gòu)造多模態(tài)語(yǔ)義知識(shí)庫(kù)需要的多模態(tài)數(shù)據(jù)要求的分析，發(fā)現(xiàn)BBC網(wǎng)站是符合要求的，本文的數(shù)據(jù)采集來(lái)源于BBC新聞網(wǎng)站。
　　對(duì)于采集后的數(shù)據(jù)經(jīng)過(guò)一系列數(shù)據(jù)預(yù)處理后，需要重新組織數(shù)據(jù)。由于數(shù)據(jù)爬取是基于層次語(yǔ)義結(jié)構(gòu)的。所以需要