.png){kind=icon}
返回
A Generative Framework for Web Pages Classification Using Multi-modal Topic Fusion
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-06878-1_6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络内容的持续扩展需要稳健的方法来系统地分类和检索基于网络的多元媒体信息。虽然传统分类器主要关注文本特征，但它们常常忽视文本和视觉内容之间的复杂关系，导致分类性能欠佳。本研究中，我们引入了一种多模态主题融合框架，以提升文本和视觉数据表示之间的语义一致性。此外，我们还整合了自适应相关性加权机制，使得在不同多元媒体环境下能够实现更精确的网页文档分类。我们在一个包含复杂真实网络内容的扩展数据集上进行的实验结果表明，分类稳健性得到了进一步改善，特别是在动态和异构领域。通过优化网络爬取和信息检索的生成技术，本研究为多元媒体分类效率带来了显著的进步。
Keyword:
Web crawler
Web pages classification
Generative AI
Web analysis
期刊
机构
引用论文
.png){kind=icon}
分享收藏
查看更多内容