نمایه سازی چندسطحی شبکه های عمیق مبتنی بر موقعیت و گفتگو: نتیجه گیری و مراجع

نویسندگان:

(1) دینش کومار ویشواکارما، آزمایشگاه تحقیقات بیومتریک، گروه فناوری اطلاعات، دانشگاه فناوری دهلی، دهلی، هند؛

(2) مایانک جیندال، آزمایشگاه تحقیقات بیومتریک، گروه فناوری اطلاعات، دانشگاه فنی دهلی، دهلی، هند

(3) آیوش میتال، آزمایشگاه تحقیقات بیومتریک، گروه فناوری اطلاعات، دانشگاه فنی دهلی، دهلی، هند

(4) آدیتیا شارما، آزمایشگاه تحقیقات بیومتریک، گروه فناوری اطلاعات، دانشگاه فنی دهلی، دهلی، هند.

6. نتیجه گیری

این اثر ایده یک رویکرد کل نگر بدیع را به مسئله طبقه‌بندی ژانر فیلم که شامل سطوح عاطفی و شناختی می‌شود، با در نظر گرفتن روش‌های متعدد، از جمله موقعیت از کادر، دیالوگ‌ها از گفتار، و فراداده (طرح و شرح فیلم) گسترش می‌دهد. ما همچنین مجموعه داده تریلرهای فیلم انگلیسی هالیوود EMTD را ساختیم که شامل حدود 2000 تریلر از 5 ژانر، یعنی اکشن، کمدی، ترسناک، عاشقانه، علمی تخیلی است تا این مطالعه را دنبال کنیم. ما با معماری‌های مدل مختلف همانطور که در بخش 5.2 بحث شد آزمایش کردیم و همچنین چارچوب نهایی خود را در EMTD و استاندارد LMTD-9 تأیید کردیم. [2] که به ترتیب به مقادیر AU (PRC) 0.92 و 0.82 دست می یابد. هدف اصلی مطالعه ما این است که …

Source link