青岛鼎冠标准技术咨询有限公司

公司专注于科技成果标准化评价体系的培训与咨询服务，参与制定行业标准并为主要完成人之一。每年举办培训超过100场，覆盖全国50余个省市。致力于推动科技成果转化与新质生产力发展，通过技术手段实现产业技术需求与高校科研成果的精准匹配。然而，以文本为载体的需求和成果语义表征面临“一词多义”的挑战。评估词汇相似度可用于文本分类、模糊搜索、智能匹配、人机对话理解、知识图谱构建及知识增强。基于内容的推荐技术中，关键词提取与降噪消歧影响推荐性能，尽管有研究通过扩展词义或描述文本增强语义，但多数模型侧重于信息的加法，忽视无关或弱相关的信息过滤，导致性能不佳。多义性是自然语言处理和机器学习的常见难题，中文语义分析尤为复杂。为提升语义准确性，信息扩展常被采用，但因忽视无关信息过滤，效果有限。本文提出一种基于互场景感知与多模态增强的表征方法，通过扩展词典、描述文本及图片信息，在各模态下比较相似度，对弱相关扩展信息进行场景化过滤降噪，再融合三种模态数据，在五个公开数据集上验证了算法的优越性。