基于图的含义表示形式的指标（例如，抽象含义表示，AMR）可以帮助我们发现两个句子相似的关键语义方面。但是，这样的指标往往会很慢，依靠解析器，并且在评分句子相似性时不会达到最先进的性能。另一方面，基于大型语言模型（例如S（Entence）bert）的模型与人类相似性等级显示高度相关，但缺乏可解释性。在本文中，我们通过创建非常有效的相似性指标，同时还为其评级提供了可解释的理由，以实现这两个世界中最好的目标。我们的方法分为两个步骤：我们首先选择AMR图指标，以测量句子相对于关键语义方面的相似性，例如，I.A.，语义角色，否定或量化。其次，我们采用这些指标来诱导语义结构化的句子bert嵌入（S $^3 $ bert），这些句子由不同子空间中捕获的不同含义组成。在我们的实验研究中，我们表明我们的方法在性能和解释性之间提供了宝贵的平衡。
translated by 谷歌翻译
行人安全是运输系统管理人员和运营商的优先事项，以及德克萨斯州奥斯汀市雇用的愿景零策略的主要重点。虽然有许多治疗和技术能够有效地提高行人安全性，但识别这些治疗最需要的位置仍然是一个挑战。当前的实践需要手动观察候选位置进行有限的时间段，导致识别过程是耗时的，随着时间的推移，交通模式的滞后，缺乏可扩展性。中间块位置，通常需要安全对策，特别是难以识别和监控。该研究的目标是了解公交车站位置和中块交叉路口之间的相关性，以帮助交通工程师实施视觉零策略以提高行人安全性。在事先工作中，我们开发了一种使用深度神经网络模型来检测交通摄像机视频的行人交叉事件，以识别交叉事件。在本文中，我们扩展了使用在附近的交叉口的货架上的CCTV PAN- TILT-ZOOM（PTZ）流量监控摄像机中使用交通摄像机视频识别总线停止使用的方法。我们将视频检测结果与巴士站附近的中间块交叉相关联，在中间块交叉的每一侧的公共汽车上的行人活动。我们还通过自动创建仅显示交叉事件的视频剪辑自动化创建来促进人工活动检测的网络门户，从而大大提高人类审查过程的效率来促进人工活动检测。
translated by 谷歌翻译