本文提出了基于分类树结构的混合分布增量类别分割（TOPICS）方法，通过学习特征嵌入和建立隐式类别关系约束，实现了在开放世界场景中的适用性。在自动驾驶场景下进行了大量评估，证明其达到了最先进的性能水平。
本研究提出了一个适用于大规模数据库的物种识别框架，通过结合不同的出域检测措施，该框架在实验中表现优于单独的措施。作者强调了考虑分类错误的图像对于构建高性能的出域检测方法的重要性。此框架还可适用于其他任务和媒体形式。
本文概述了抽取式知识图谱的应用和现有方法的分类学，探讨了未来的研究方向。
本篇论文旨在填补 RDF 流领域的研究空白，通过构建一种新的 RDF 流分类体系，即 RDF Stream Taxonomy (RDF-STaX)。该分类体系采用 OWL 2 DL 本体论语言，遵循 FAIR 原则，并提供了详细文档和额外资源，以促进本体的应用。此外，论文还介绍了两个实际应用案例，并构建了一个新的纳米出版物数据集，用于协作和实时评估 RDF...
人工智能在决策支持中技术先进但忽视与人期望一致性。可解释AI提倡人本发展。研究105篇文章后，提出交互模式分类系统，发现交互多为简单合作，缺乏真正互动。该系统助理解人-AI交互，促进交互设计选择。
该文介绍了一种基于通用模板的自然语言生成方法，通过用户调查和分类行动性的术语，以改善反事实解释的理解和可操作性。该方法在用户评估中得到更好的反应和结果。
本文讨论了互信息在分类学和社区检测分析中的应用，提出了修正的互信息量，并探讨了实现方法和实例应用。
1. 布卢姆分类学 布卢姆分类学 (Bloom’s taxonomy) 是美国教育心理学家本杰明·布鲁姆于1956年在芝加哥大学所提出的分类法，把教育者的教学目标分类，以便更有效的达成各个目标。根据布卢姆的理论析，知识可以分成以下三个范畴： 态度范畴（Affective Domain）
完成下面两步后，将自动完成登录并继续当前操作。
