Looking deep in the eyes: Investigating interpretation methods for neural models on reading tasks using human eye-movement behaviour

This paper provides the first broad overview of the relation between different interpretation methods and human eye-movement behaviour across different tasks and architectures. The interpretation methods of neural networks provide the information the machine considers important, while the human eye-gaze has been believed to be a proxy of the human cognitive process. Thus, comparing them explains machine behaviour in terms of human behaviour, leading to improvement in machine performance through minimising their difference. We consider three types of natural language processing (NLP) tasks: sentiment analysis, relation classification and question answering, and four interpretation methods based on: simple gradient, integrated gradient, input-perturbation and attention, and three architectures: LSTM, CNN and Transformer. We leverage two corpora annotated with eye-gaze information: the Zuco dataset and the MQA-RC dataset. This research sets up two research questions. First, we investigate whether the saliency (importance) of input-words conform with those from human eye-gaze features. To this end, we compute a saliency distance (SD) between input words (by an interpretation method) and an eye-gaze feature. SD is defined as the KL-divergence between the saliency distribution over input words and an eye-gaze feature. We found that the SD scores vary depending on the combinations of tasks, interpretation methods and architectures. Second, we investigate whether the models with good saliency conformity to human eye-gaze behaviour have better prediction performances. To this end, we propose a novel evaluation device called “SD-performance curve” (SDPC) which represents the cumulative model performance against the SD scores. SDPC enables us to analyse the underlying phenomena that were overlooked using only the macroscopic metrics, such as average SD scores and rank correlations, that are typically used in the past studies. We observe that the impact of good saliency conformity between humans and machines on task performance varies among the combinations of tasks, interpretation methods and architectures. Our findings should be considered when introducing eye-gaze information for model training to improve the model performance.     

一个基于数据仓库的通用情报处理系统模型

情报处理是情报学研究的重要组成部分。依据数据仓库的特性,对数据仓库在情报资源处理中的应用进行了可行性分析。利用情报处理主题的层次结构,建立了情报处理实例的多维概念模型,进而提出了一个通用的情报处理系统的实现模型。在数据仓库的基础上,整合了独立分散的信息资源并引入反馈机制,增强了情报搜集、处理、分析和服务能力,较好地发挥情报处理系统的作用,提高了情报处理的效率。     

基于过零检测的子波变换图像边缘检测

以基于过零检测的子波变换方法,对２５６×１５６×ｂｉｔｓ／像素Ｌｅｎａ图像进行边缘提取,得到不同尺度下的边缘。结果表明,此法能有效提取边缘,既保留了子波变换进行边缘提取的各种优点,又吸收了ＬｏＧ算子进行边缘提取的简洁性,算法更简单,计算效率更高。     

我国优秀体操运动员赛前心力和情绪状态的测试研究

运用生物动力学，生物控制论和信息处理的方法，通过对心电中的特征图谱进行分析，创立了心脏运动的能量特征曲线，阻尼特征曲线和幅值直方图，并通过对其进行综合分析，以达到对我国优秀体操运动员赛前的心力和情绪状态检测，提供理论基础和图象识别指标。经研究和实践证明，以上3项指标具有一定的可靠性。     

期刊编辑使用百度学术审核加工参考文献时应注意的细节

分析百度学术提供的引文存在的诸多纰漏:对期刊更名前的文献错误地用新刊名,给某些英文期刊的刊名添加多余信息,电子期刊论文的引文著录存在多余期号,无规律性的细小差错较多.提醒期刊编辑审稿、加工参考文献时切忌直接复制百度学术提供的引文来替换作者原稿中的参考文献,而应根据百度学术提供的原文链接找到原始文献,对照原文来规范参考文献,做到著录格式规范、著录内容正确、引用内容合理.     

人体运动图像边缘处理

根据人体运动图像的特点，引用图像层的平滑处理和图像层的边缘处理获得了较好的人体运动边缘图像，通过轮廓跟踪能较好地提取了人体运动图像边缘，为研究人体运动图像质心定位作好了准备。同时也为处理人体运动图像提供了一种新的方法。     

基于神经网络的监控数据智能处理方法

针对船用系泊缆绳安全智能报警系统中的表格试验数据，提出了应用神经网络技术的智能数据处理方法。该方法克服了传统数据处理方法一般难以找到合适的逼近函数、处理过程复杂的弱点，避免了传统数据处理方法上的不便性和局限性，实现了表格数据非线性输入输出的映射。通过样本学习而建立的网络可以提高数据的取用效率，具有很大的灵活性和适用性。这是一种很有应用价值的数据处理方法。     

从信息加工的角度看外语学习和教学

本文从认知心理学信息加工的角度分析了影响外语学习的三方面因素：学习的外部条件、学习者的大脑内部状态和学习者自助。在此基础上对外语教学作了相应的探讨。     

单片微机在仪器、仪表智能化方面的探讨

本文以DPB—Ⅱ型红外测温仪为侧,讨论仪器仪表采用单片微机作为中心控制单元时的基本结构、微机信号处理系统硬件以及系统软件流程简图。     

阅读困难儿童认知加工过程研究的理论分歧

阅读困难儿童认知加工过程研究的理论分歧 ,主要表现在基本认知加工和高级认知加工之争与语音加工障碍与视觉空间认知加工障碍之争两个方面。语音意识、视觉空间认知、工作记忆和元认知与阅读障碍的关系的研究 ,目前已成为西方国家从心理语言学和认知心理学角度对阅读障碍问题研究的热点。这些方面的研究成果丰富了阅读困难认知加工过程研究的理论 ,也启发了国内多角度、深层次地对阅读障碍问题的研究。