基于GPU的常识范式推理用于实时查询应答与多模态分析
数据库
2018-07-25 v1 性能
摘要
我们利用常识知识库解决实时多模态分析问题。特别地，我们聚焦于多模态情感分析问题，其包含对不同模态（如语音与视频）的同步分析以进行情绪与极性检测。我们的方法利用现代GPU的大规模并行处理能力来增强从不同模态提取特征的性能。此外，为从多模态源提取重要文本特征，我们基于常识知识生成特定领域图并应用基于GPU的图遍历进行快速特征检测。随后，应用强大的ELM分类器基于提取特征构建情感分析模型。我们在YouTube数据集上实验并取得78%准确率，优于以往所有系统。在处理速度方面，相较基于CPU的对应方法，我们的方法在特征提取上展现出数个数量级的提升。
引用
@article{arxiv.1807.08804,
title = {GPU-based Commonsense Paradigms Reasoning for Real-Time Query Answering and Multimodal Analysis},
author = {Nguyen Ha Tran and Erik Cambria},
journal= {arXiv preprint arXiv:1807.08804},
year = {2018}
}