2025年2月初，山東科技大學(xué)經(jīng)濟(jì)管理學(xué)院王松副教授團(tuán)隊(duì)在《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》上發(fā)表題為“基于知識(shí)增強(qiáng)的多模態(tài)用戶生成內(nèi)容主題識(shí)別與演化分析”的文章。
及時(shí)感知價(jià)值性內(nèi)容蘊(yùn)含的主題及動(dòng)態(tài)演化趨勢(shì)是優(yōu)化知識(shí)資源管理、提升共創(chuàng)知識(shí)利用效率的重要手段。本文基于“模型驅(qū)動(dòng)+知識(shí)增強(qiáng)”的設(shè)計(jì)思路實(shí)現(xiàn)對(duì)多模態(tài)知識(shí)的高效歸集和利用。文章綜合BERT、Doc2Vec、ResNet 和 K-BERT 模型以捕捉多層次文本和圖像的深層向量表示并完成知識(shí)增強(qiáng)；在此基礎(chǔ)上，構(gòu)建距離矩陣以刻畫(huà)多模態(tài)內(nèi)容間的內(nèi)在關(guān)聯(lián)并借助譜聚類與DTM 模型深入剖析知識(shí)主題的動(dòng)態(tài)演變，最后利用實(shí)證數(shù)據(jù)進(jìn)行了驗(yàn)證。實(shí)證結(jié)果證明，綜合“長(zhǎng)短文本+圖像+外部知識(shí)”的多模態(tài)模型能夠更加有效地提升知識(shí)聚合效果。多模態(tài)深度聚類下的分析可以厘清核心知識(shí)主題的演化過(guò)程，這不僅可以為有效挖掘用戶生成內(nèi)容提供方法參考，更可以為提升在線知識(shí)管理質(zhì)量提供有效依據(jù)。
