【科讯】网易易盾论文入选IEEE数据库，中国这一AI技术取得国际领先

本篇文章1323字，读完约3分钟

最近、 网络易云易盾实验室ai算法研究员的论文《multi-viewautoencoderforimagefeaturelearningwithstructurednonnegativelowrank》对多视点多模式特征新闻比较有效 合格率、nmi、purity、ari等各种性能指标更具创新性，比目前许多国际先进的多视点多模式新闻融合技术具有显著的领先地位。

现在人工智能技术的应用范围越来越广。 以自编码器( autoencoder )、卷积神经互联网( cnn )、循环神经互联网( rnn )、长期存储互联网( lstm )为代表的深度学习技术具有良好的特征学习能力，因此在学术界和工业界进行图像分类 但是，传统的自编码器特征学习技术忽略了实际数据的多视点特征，与单一特征相比只能进行网络训练和特征学习，在数据多视点特征中无法融合很多有用的结构化新闻。

易盾实验室ai算法研究者写的论文提出了一种融合数据多视点特征并提取特征的新的自编码器网络。 在其编码的网络中，可以对各视点的特征性新闻进行低级结构化融合。 经过网络训练得到的新特征具有非负性和低秩的结构性质，比较有效地降低不同视点特征之间的噪声，对噪声具有抗干扰性和鲁棒性。 设计的新自编码器互联网通过融合不同视点特征各自具有的局部视点新闻，提高了新数据特征的显示能力，比较有效地提高了数据的分类识别精度。

将这种数据多视点特征新闻低等级结构化融合的自编码器互联网方案，在以前传来的深度学习技术即自编码器神经网络上有很大的创新和改进，在数据语义显示的精度和分类识别的应用上提高了性能

读了上面的句子，我想很多人在喃喃自语。 字被认知了，在一起，但有读天书的感觉。 这里举一个简单易懂的例子，从形象上来比喻一下。 现在的自编码神经网络技术在数据特征新闻的利用中，只能知道大象的腿、尾巴，不能完全和全面地报道大象，不能再现真实的大象。 本文提出的新的多模视点新闻融合技术可以综合提取数据的多视点、多模特征，比较有效地融合，因此可以完善这一现象，客观真实地表现出来。

新提出的数据特征新闻融合技术应用于易盾复制安全项目，在复制特征解决的应用上申请了相关专利。 通过提取文案新闻关键词、联系方法、词类句法关系等多视角、多模式新闻的特征，更有效地提高了有害文案的识别率，进一步提高了网易云易盾文案的安全精度和召回率。

与这项技术革新相关的论文“multi-viewautoencoderforimagefeaturelearningwithstructurednonnegativelowrank”在icip图像解决大会期间发表，参加大会的企业为妈妈

(网易云易盾)

值得一提的是，这篇论文的主笔是方正的，来自网易盾实验室，ieeemember (国际电气电子工程师协会会员)，国际期刊ieee transactions on cybernetics和neural processing letters的技术 网易盾实验室成立于年，隶属于网易安所有，目前拥有数十名ai算法专家、安全研究员、政策法规研究负责人等。 实验室目前侧重于人工智能技术在安全行业的应用和安全相关法规、社会责任等研究。