《中国人工智能学会通讯》——12.34 自适应众包任务分配技术

5 相关工作 数据修复旨在发现和修正数据库中错误的数据.在过去的几十年里,研究人员提出了各种各样自动发现并修复数据库中错误数据的方法[1].这些方法大致可以分为如下三类. (1)传统的方法先依赖各种约束条件,包括FDs[5,7].CFDs[6].完整性约束[4]和包含关系(INCs)[5]来检测数据中的由错误数据引起的不一致性(或冲突):然后用文献[2-4]中的方法修正所有的错误数据,从而解决所有的冲突.对一般的文本数据库,这一类方法中的大部分工作都是使用FD/CFDs进行修复,因为FD/CFD

1.14 聊天机器人技术的研究进展 近年来,聊天机器人受到了学术界和工业界的广泛关注.一方面,聊天机器人是图灵测试的一种实现方式,而图灵测试是人工智能领域王冠上的明珠:另一方面,微软推出了基于情感计算的聊天机器人"小冰",百度推出了用于交互式搜索的聊天机器人"小度",进而推动了聊天机器人产品化的发展.聊天机器人系统可以看作是机器人产业与"互联网 +"的结合,符合国家的科研及产业化发展方向. 智能问答类的聊天机器人主要功能包括回答用户以自然语言形式

6.11 链接数据技术 数据链接的建立涉及多个方面,包括数据资源标识.资源描述模型.词汇与本体定义.链接数据格式.自动链接抽取.链接预测等. 资源标识资源标识是构建数据链接的第一步.LOD 要求每个实体资源都要用类似于网页 URL 一样的 HTTPURI(Unified Resource Identifier) 来进行标识.但与维护传统网页之间的链接不同,一个网站的数据集中通常有数量巨大的实体资源.要维护不同数据集之间的 URI 链接,将带来巨大的工作量. Schema.org 鼓励采用一种称为

1.5 智能问答技术 从早期的数字图书馆.专家系统到如今的搜索引擎,人们一直致力于追求快速.准确的信息获取方法.目前,网络上的数据资源浩如烟海.错综复杂,而用户的信息需求又千变万化.千姿百态,基于关键词组合的信息需求表示方式和基于浅层分析的语义分析这类传统的信息检索技术俨然不能满足当下用户的需求,智能问答技术通过对数据的深度加工和组织管理,以更自然的交互方式满足用户更精确的信息需求. 智能问答技术可以追溯到计算机诞生初期的上世纪五六十年代,其中,代表性的系统包括 Baseball [1]和 Lu

11.51 基于幻象技术的异质人脸图像合成 基于稀疏特征选择的方法,以及现有的大部分算法在合成人脸图像时,多是采用线性组合的方式.线性组合,即线性加权平均,可以看作一低通滤波器,会过滤掉一些高频细节信息,如图2所示.此外,由于现有的异质人脸图像合成算法对图像分块多采用相邻块覆盖的方式,故在最后融合生成一整张人脸时需要将重叠区域平均,这也会带来一定的模糊效应,过滤掉部分高频细节信息. 那么是否能够通过学习输入测试照片到残差图像之间的映射关系来学习丢失的高频细节信息?而人脸幻象 (face hall

1.4 早期行为识别方法 下面讨论如何让计算机去识别视频中 行为?首先,对于很多图像视频分类问 题来讲,最核心地找到一个好的表示. 下面我们先介绍如何利用非深度学习方 法.早期做图像识别时,利用兴趣点和 局部图像特征构建视频表示,这个方法可 以被推广到视频. 这是 IJCV2005 年发 表的一篇论文,提出了 Spatial-temporal interest points 时空兴趣点,像下图中运 动员当头顶到球的时候,在这个位置和 这个时刻会形成一个识别兴趣点. 行为中包含的运动信息不仅仅是某

5.7 飞机喷涂技术 在飞机制造的过程中,喷涂是飞行器表面处理的重要工艺.由于飞机的运动空间以及需适应多种恶劣环境下的飞行,飞机的表面性能要求非常高.飞机表面涂层对于飞机表面保护有着重要作用,有助于抵御极端天气的侵蚀,以及飞行过程中与空气摩擦产生的热量.在军用飞机领域,隐身涂层是先进隐身战机的关键,通过喷涂能吸收雷达波的特殊涂层,极大地减小了飞机的雷达反射面积,从而实现了隐身功能. 然而,当前航空制造领域中大部分的喷涂工艺主要还是靠人工喷涂完成.人工喷涂不仅劳动力成本高.生产效率低.劳动强度大,

1. 基于人生阶段建模的商品推荐 经典的基于协同过滤的推荐,通常结合用户近期行为,给用户推送已知范围内的商品.随着用户对推荐系统和产品期望的提高,也需要向其呈现部分他们需要,但自己尚不清楚的领域的产品.用户的人生阶段建模及基于它的推荐算法就是针对这类问题研发的.它利用半监督马尔可夫建模技术,利用少量的标注数据,根据用户有行为的类目,去精准预测用户所处的人生阶段,以提供当前或未来所需要的商品.详细算法见KDD'15上我们发表的文章"Life-stage Prediction for Product

12.33 众包知识库补全方法概览 本章介绍众包知识库补全的方法概览,如图 1所示.其基本思想包含两个部分,其一,利用多种数据源,如现有的多个知识库.Web 结构化数据等,提取知识数据,并将不同数据源的知识数据融合起来,以此补全知识库:其二,在融合的过程中有效地利用众包,通过众包模型细化出具体可供众包完成的任务,利用众包优化算法进行质量和成本的控制,以选择出最优的任务发布到众包平台,如美国亚马逊公司的 Mechanical Turk ( 简称 MTurk) 1 . 知识抽取:提出利用多类数据源进