中文版 | English

在结果中检索

CASIA OpenIR
（本次检索基于用户作品认领结果）

浏览/检索结果: 共6条，第1-6条 帮助

限定条件        
已选(0)清除 条数/页：   排序方式：
Hierarchical Graph Semantic Pooling Network for Multi-modal Community Question Answer Matching 会议论文
, Nice, France, October 21 - 25, 2019
作者:  Jun Hu;  Shengsheng Qian;  Quan Fang;  Changsheng Xu
浏览  |  Adobe PDF(1404Kb)  |  收藏  |  浏览/下载：376/175  |  提交时间：2019/09/26
Learning Multimodal Taxonomy via Variational Deep Graph Embedding and Clustering 会议论文
, Seoul, Republic of Korea, October 22 - 26, 2018
作者:  Huaiwen Zhang;  Quan Fang;  Shengsheng Qian;  Changsheng Xu
浏览  |  Adobe PDF(3204Kb)  |  收藏  |  浏览/下载：281/87  |  提交时间：2019/09/26
Attentive Interactive Convolutional Matching for Community Question Answering in Social Multimedia 会议论文
, Seoul, Republic of Korea, October 22-26, 2018
作者:  Jun Hu;  Shengsheng Qian;  Quan Fang;  Changsheng Xu
浏览  |  Adobe PDF(2921Kb)  |  收藏  |  浏览/下载：249/82  |  提交时间：2019/09/26
Cross-media analysis and reasoning: advances and directions 期刊论文
FRONTIERS OF INFORMATION TECHNOLOGY & ELECTRONIC ENGINEERING, 2017, 卷号: 18, 期号: 1, 页码: 44-57
作者:  Peng, Yu-xin;  Zhu, Wen-wu;  Zhao, Yao;  Xu, Chang-sheng;  Huang, Qing-ming;  Lu, Han-qing;  Zheng, Qing-hua;  Huang, Tie-jun;  Gao, Wen
Adobe PDF(981Kb)  |  收藏  |  浏览/下载：387/101  |  提交时间：2017/05/05
Cross-media Analysis  Cross-media Reasoning  Cross-media Applications  
Folksonomy-Based Visual Ontology Construction and Its Applications 期刊论文
IEEE TRANSACTIONS ON MULTIMEDIA, 2016, 卷号: 18, 期号: 4, 页码: 702-713
作者:  Fang, Quan;  Xu, Changsheng;  Sang, Jitao;  Hossain, M. Shamim;  Ghoneim, Ahmed
浏览  |  Adobe PDF(1067Kb)  |  收藏  |  浏览/下载：472/185  |  提交时间：2016/10/20
Knowledge Discovery  Ontology  Visual Recognition  
Word-of-Mouth Understanding: Entity-Centric Multimodal Aspect-Opinion Mining in Social Media 期刊论文
IEEE TRANSACTIONS ON MULTIMEDIA, 2015, 卷号: 17, 期号: 12, 页码: 2281-2296
作者:  Fang, Quan;  Xu, Changsheng;  Sang, Jitao;  Hossain, M. Shamim;  Muhammad, Ghulam
Adobe PDF(5572Kb)  |  收藏  |  浏览/下载：408/102  |  提交时间：2016/01/18
Application  Knowledge Mining  Probabilistic Topic Model