多模态数据的图表示学习下载

[weixin_39821526]

随着互联网技术的快速发展以及数字多媒体技术的迅速普及，网络数据呈爆炸式增长，数据传播形式由单一文本发展为包含文本、图像、视频等多模态数据。深度学习技术为多模态大数据分析提供了强有力支撑并在多个领域取得了极好的效果。但是传统的深度网络无法考虑样本之间的关联，导致数据利用率低。此外，现有的深度学习方法需要依赖海量的标记样本，这会耗费巨大的人力成本。因此，如何解决深度模型对标签的依赖，提升数据的使用效率已经成为学术界及工业界高度关注的问题。图表示学习可以将数据表示为节点以及节点之间的关系，通过把节点及它们的关系映射到一个低维空间可以实现数据间的语义挖掘，并且能更加灵活地将算法应用于不同的数据挖掘任务中。因此，构建多模态数据的图表示模型，研究多模态数据的图表示学习方法已经成为当前数据挖掘与表征领域新的研究热点。　　图表示学习方法首先根据样本特征构建图数据，并利用图数据作为监督信息进一步优化模型。因此，构建一个高质量的结构图是图表示学习取得好结果的前提。此外，如何从图结构中提取判别信息，是取得一个良好的识别精度的关键。本论文致力于研究文本、图像等不同模态数据的图表示方法，针对现有方法存在的问题： , 相关下载链接：https://download.csdn.net/download/jinke2010_happy/88220927?utm_source=bbsseo