2025年2月初，山東科技大學(xué)經(jīng)濟管理學(xué)院王松副教授團隊在《數(shù)據(jù)分析與知識發(fā)現(xiàn)》上發(fā)表題為“基于知識增強的多模態(tài)用戶生成內(nèi)容主題識別與演化分析”的文章。
及時感知價值性內(nèi)容蘊含的主題及動態(tài)演化趨勢是優(yōu)化知識資源管理、提升共創(chuàng)知識利用效率的重要手段。本文基于“模型驅(qū)動+知識增強”的設(shè)計思路實現(xiàn)對多模態(tài)知識的高效歸集和利用。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增強；在此基礎(chǔ)上，構(gòu)建距離矩陣以刻畫多模態(tài)內(nèi)容間的內(nèi)在關(guān)聯(lián)并借助譜聚類與DTM 模型深入剖析知識主題的動態(tài)演變，最后利用實證數(shù)據(jù)進行了驗證。實證結(jié)果證明，綜合“長短文本+圖像+外部知識”的多模態(tài)模型能夠更加有效地提升知識聚合效果。多模態(tài)深度聚類下的分析可以厘清核心知識主題的演化過程，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管理質(zhì)量提供有效依據(jù)。
