兄弟轴的有效楼梯连接算法

使用关系数据库来存储和查询XML数据是很多人正在研究的问题.其中,楼梯连接是这一方向的重要工作.楼梯连接是作为对RDBMS内核的局部改进而提出来的,它封装了提高XPath处理性能所需的树结构知识.研究了兄弟关系的楼梯连接算法问题.基于区间编码方案,提出了两个有效的楼梯连接算法来计算兄弟关系.这两个算法具有如下特点:不参与连接的节点可以根据B+树索引事先判断出来并跳过,上下文节点表和文档表都最多扫描一次,按文档序有序输出结果.实验结果验证了算法的高效性.普遍认为,这是首次对这一问题进行的研究.     

基于区间编码的XML索引结构的有效结构连接

该文给出了一个XML树数据模型的形式化定义．将编码方案、逆序列表和路径索引的思想相结合，提出了一种改进的XML数据的索引结构；给出了两个实现双亲／孩子关系和拥有关系的结构连接算法，它们最多只需要对参与连接的两个列表分别进行一次扫描，并且能够根据双亲结构信息等利用Bt树索引尽可能多地跳过不需要参与连接的元素结点．实验结果表明，该文给出的基于XML索引结构实现双亲／孩子关系和拥有关系的结构连接算法是高效的、健壮的．     

陕南农村居民住房舒适度的探究——以汉中为例

结合汉中市的地理环境、气候特征和经济水平,调研了汉中市城镇、农村的住房现状,利用testo温度测量仪器,分别测得汉中市三个县区冬、夏季最冷、最热时段农村房屋室内外温湿度数值,得出汉中市农村住房冬夏两季室内舒适度较差的结论,并从多个方面客观分析了汉中市农村冬夏季房屋室内舒适度较差的原因,最后提出了解决陕南农村居民冬夏季住房舒适度问题的一系列可行措施。     

基于回转类非圆曲面零件自适应磨削机的研究

为了解决非圆曲面零件的自适应磨削加工问题,在磨削力测量机理研究的基础上设计了一种基于模糊控制算法的自适应磨削机,采用力反馈模块和STM32控制器模块作为主控硬件,在Keil u Vision 5环境下进行模糊控制程序的开发。样机磨削对比实验表明,在对非圆曲面零件如凸轮类零件进行打磨中,采用模糊控制能使磨削力保持稳定,利用三维表面形貌仪进一步实验分析表明,使用该自适应磨削机可有效的提高零件表面的加工经济精度,表面粗糙度较传统的打磨方法降低,是一种自动化磨削机可行有效的实现方法。     

斜齿插齿刀的刃形优化

介绍一种斜齿插齿刀的刃形优化方法,由此法刃磨出的斜齿插齿刀耐用度和生产率得到显著提高,同时使被加工齿轮的齿形精度亦有所改善。     

基于依存关系图注意力网络的SQL生成方法

研究基于自然语言问题的结构化查询语言(SQL)生成问题(Text-to-SQL).提出两阶段框架,旨在解耦模式链接和SQL生成过程,降低SQL生成的难度.第1阶段通过基于关系图注意力网络的模式链接器识别问题中提及的数据库表、列和值,利用问题的语法结构和数据库模式项之间的内部关系,指导模型学习问题与数据库的对齐关系.构建问题图时,针对Text-to-SQL任务的特点,在原始句法依存树的基础上,合并与模式链接无关的关系,添加并列结构中的从属词与句中其他成分间的依存关系,帮助模型捕获长距离依赖关系.第2阶段进行SQL生成,将对齐信息注入T5的编码器,对T5进行微调.在Spider、Spider-DK和Spider-Syn数据集上进行实验,实验结果显示,该方法具有良好的性能,尤其是对中等难度以上的Text-to-SQL问题具有良好的表现.     

主题方面共享的领域主题层次模型

层次主题模型是构建主题层次的重要工具. 现有的层次主题模型大多通过在主题模型中引入nCRP构造方法, 为文档主题提供树形结构的先验分布, 但无法生成具有明确领域涵义的主题层次结构, 即领域主题层次. 同时, 领域主题不仅存在层次关系, 而且不同父主题下的子主题之间还存在子领域方面共享的关联关系, 在现有主题关系研究中没有合适的模型来生成这种领域主题层次. 为了从领域文本中自动、有效地挖掘出领域主题的层次关系和关联关系, 在4个方面进行创新研究. 首先, 通过主题共享机制改进nCRP构造方法, 提出nCRP+层次构造方法, 为主题模型中的主题提供具有分层主题方面共享的树形先验分布; 其次, 结合nCRP+和HDP模型构建重分层的Dirichlet过程, 提出rHDP (reallocated hierarchical Dirichlet processes)层次主题模型; 第三, 结合领域分类信息、词语语义和主题词的领域代表性, 定义领域知识, 包括基于投票机制的领域隶属度、词语与领域主题的语义相关度和层次化的主题-词语贡献度; 最后, 通过领域知识改进rHDP主题模型中领域主题和主题词的分配过程, 提出结合领域知识的层次主题模型rHDP_DK (rHDP with domain knowledge), 并改进采样过程. 实验结果表明, 基于nCRP+的层次主题模型在评价指标方面均优于基于nCRP的层次主题模型(hLDA, nHDP)和神经主题模型(TSNTM); 通过rHDP_DK模型生成的主题层次结构具有领域主题层次清晰、关联子主题的主题词领域差异明确的特点. 此外, 该模型将为领域主题层次提供一个通用的自动挖掘框架.