29、基于主题地图的语义博客semblog - tm:技术解析与未来展望

基于主题地图的语义博客semblog - tm:技术解析与未来展望

1. 系统概述

semblog - tm是一款基于主题地图的语义博客应用,它以插件形式集成于blojsom博客引擎,运用Java、Tomcat和Velocity模板实现。该系统支持两类关系:2种一级关系和23种二级关系。例如,“TMRA06”(工具)被认为对“利用语义”(目的)具有工具性作用,这就是一种二级关系的示例。

在技术选型上,主题地图操作借助TMAPI,搭配TM4J(开源)或OKS(商业)主题地图引擎实现。尽可能采用开源软件,确保了系统在Windows和Unix系统间的可移植性。选择blojsom作为博客组件,不仅因其具备多种优势,还因为HP和Haystack演示器也使用该引擎,这有助于不同语义博客应用间的比较与交互。知识服务组件则选用了SOAP Web服务框架Axis。

2. 系统现存问题与改进建议
2.1 可用性与用户体验

有评审指出,系统未充分考虑真实终端用户需求,在未评估和分析所提方法利弊的情况下,给用户带来了额外负担。系统的首要目标并非追求卓越的可用性,而是通过设计科学探索此类系统的可能形态。因此,先创造性地设想了潜在使用场景,但后续未能引入用户群体参与。在广泛应用前,需解决一些已知的可用性问题。建议与选定用户共同改进系统,并在更大的专题社区中进行评估。

2.2 语义检索与全文检索

有建议探讨为何基于语义标签及其相互关系的语义检索优于无额外标签的全文检索。检索结果很大程度取决于上下文。尽管过多的元数据要求可能成为沉重甚至适得其反的负担,但有充分理由相信细粒度的语义检索具有优势,因为它能以新方式控制精确性和

Security-feature-detection-system 安全检测系统 简介 安全检测系统-多目标识别(YOLOv5)和人脸识别(Facenet)快速部署系统。 功能上:本项目使用YOLOv5实现多目标识别,使用Facenet实现人脸识别,最终需要人脸和此人应具备的多目标同时满足才能通过安全检测,部署上:使用pyqt5实现前端可视化,在前端页面运行YOLOv5多目标识别系统(将模型运行封装到Qt中),使用Docker封装人脸识别后端系统,使用网络请求等包实现前后端交互 案例:进行多目标识别的同时,进行人脸识别,前端系统发送请求,携带参数到后端进行人脸识别,最终返回人脸识别结果,获取人脸识别结果后,检索该成员应具备的多目标特征,YOLOv5多目标识别的实际结果进行比对,若无误则通过安全检测。 根据原作 https://pan.quark.cn/s/9784cdf4abfd 的源码改编 项目背景 出于一些比赛的需要,以及逃离懵懂状态开始探索,我于2023.12~2024.1(大二上)开始一些CV、LLM项目的研究,苦于能力有限,当时大部分的项目都是依托开源搭建而来,诸如本项目就是依托开源的Compreface和Yolov5搭建,我只不过做了缝合的工作,所以在此必须提及这两个项目的巨大贡献:https://.com/exadel-inc/CompreFace https://.com/ultralytics/yolov5 今天是2024.7.11(大二下暑假),时隔半年我才开始这个项目的开源工作是因为,半年前的水平有限,虽然自己能实现项目的运作,但是恐很多细节介绍不好,当然本文自发出,后续我还会跟进,欢迎指正:22012100039@stu.xidian.edu.c...
使用教程: https://pan.quark.cn/s/c0f2b4acdf83,有不会的再问我  功能介绍: 用户输入人脸照片,程序从照片库中选出10张最相似人脸照片输出在文件夹中,并且给出这十张人脸输入人脸的相似度值。 照片库可以增删 调节相似度阈值可调节 自定义UI操作界面 视频演示: [[项目分享]基于OpenCV的人脸集合相似度检测系统(源码&UI&教程)哔哩哔哩bilibili](https://www.bilibili.com/video/BV1Wa41137CW/?vd_source=bc9aec86d164b67a7004b996143742dc) 图片演示: png png 人脸相似度对比原理: 整体思路: 1、预先导入所需要的人脸识别模型; 2、遍历循环识别文件夹里面的图片,让模型“记住”人物的样子; 3、输入一张新的图像,前一步文件夹里面的图片比对,返回最接近的结果。 使用到的第三方模块和模型: 1、模块:os,dlib,glob,numpy; 2、模型:人脸关键点检测器,人脸识别模型。 导入需要的模型。 这里解释一下两个dat文件: 它们的本质是参数值(即神经网络的权重)。 人脸识别算是深度学习的一个应用,事先需要经过大量的人脸图像来训练。 参考该博客,设计一个神经网络结构,来“记住”人类的脸。 对于神经网络来说,即便是同样的结构,不同的参数也会导致识别的东西不一样。 在这里,这两个参数文件就对应了不同的功能(它们对应的神经网络结构也不同): shapepredictor.dat这个是为了检测人脸的关键点,比如眼睛,嘴巴等等;dlibface_recognition.dat是在前面检测关键点的基础上,生成人脸的特征值。 所以后面使用dlib模块的时...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值