资产管理系统设计与实现

本系统的功能为建立资产数据库,编程实现了资产数据库动态化管理。具有以下优点:1.自动建立数据库。2.灵活的查询功能。3.可方便地对数据库文件进行合并,添加、修改、删除数据库记录。4.具有三种格式的输出功能,即:把数据库文件转化成Excel表打印、设备入库单打印,打印设备标签。5.该软件的查询输出功能和设备标签管理功能可实现资产管理准确、省时、一步到位。在清产核资时可减少大量时间,提高工作效率。6.具有通用性,可适应性,易于扩充、操作和维护。     

一个实体关系与事件抽取的通用模型

信息提取的目的是从自然语言文件中找到具体信息,现有研究在信息抽取的实体关系和事件抽取任务中仅解决事件论元重叠和实体关系重叠的问题,未考虑两个任务共有的角色重叠问题,导致抽取结果准确率降低。提出一个两阶段的通用模型用于完成实体关系抽取和事件抽取子任务。基于预训练语言模型RoBERTa的共享特征表示,分别对实体关系/事件类型和实体关系/事件论元进行预测。将传统抽取触发词任务转化为多标签抽取事件类型任务,利用多尺度神经网络进一步提取文本特征。在此基础上,通过抽取文本相关类型的事件论元,根据论元角色的重要性对损失函数重新加权,解决数据不平衡、实体关系抽取和事件抽取中共同存在论元角色重叠的问题。在千言数据集中事件抽取和关系抽取任务测试集上的实验验证了该模型的有效性,结果表明,该模型的F1值分别为83.1%和75.3%。     

基于多任务学习的多罪名案件信息联合抽取

面向法律文本的实体关系联合抽取技术对于案情关键信息的智能提取至关重要,是智慧司法领域应用中的重要环节。目前的联合抽取方法虽然已经在特定罪名案件的数据集上取得了较好的效果,但是由于模型在训练时只关注了特定罪名类型文本数据的特点,使得模型的泛化能力有限,在应用到多罪名案件的情况下常常使得模型的效果下降。因此引入多任务学习的方法对多罪名情形下的实体关系联合抽取进行了研究,以涉毒类案件和盗窃类案件两大类罪名的文书数据为基础,构建了一个罪名分类任务作为联合抽取的辅助任务,通过基于特征筛选的动态加权多任务模型同时对两个任务进行学习,在单任务模型的基础上整体F1值提升了2.4个百分点,在涉毒类案件和盗窃类案件上的F1值分别提升了1.6和3.2个百分点。     

基于空间形态数据的铁路通信数字工程设计系统

建筑信息模型 (building information modeling, BIM)技术作为建筑业实现信息化数字化转型的核心技术, 在铁路建设全生命周期中具有很高的研究价值. 在铁路通信机械室内、站场、区间设计中, 将铁路通信实体的空间位置、形状、大小、关系等空间形态描述数据化, 结合铁路通信设计规范、相关铁路BIM标准以及专业实际设计需求, 研究开发出铁路通信数字工程设计系统. 本系统以空间形态数据为支撑, 铁路工程实体结构分解标准为基础, 在三维环境下实现了铁路通信机械室内机柜设备的智能布设, 站场通信沟槽线缆的路径规划, 区间通信信息点位置的准确布置. 系统进一步基于数字工程模型和图论基本原理, 实现了从数字工程模型中获取逻辑关系并生成通信逻辑网图. 经实际工程验证, 系统对铁路通信数字工程设计效率和准确率都有较大提升, 从工程源头实现了铁路通信工程数字化成果交付和应用, 促进了铁路通信工程项目全过程技术升级和数字化模式革新.     

基于MFE-BERT与FNNAttention的心理医学知识图谱构建

针对心理医学领域文本段落冗长、数据稀疏、知识散乱且规范性差的问题, 提出一种基于多层级特征抽取能力预训练模型(MFE-BERT)与前向神经网络注意力机制(FNNAttention)的心理医学知识图谱构建方法. MFE-BERT在BERT模型基础上将其内部所有Encoder层特征进行合并输出, 以获取包含更多语义的特征向量, 同时对两复合模型采用FNNAttention机制强化词级关系, 解决长文本段落语义稀释问题. 在自建的心理医学数据集中, 设计MFE-BERT-BiLSTM-FNNAttention-CRF和MFE-BERT-CNN-FNNAttention复合神经网络模型分别进行心理医学实体识别和实体关系抽取, 实体识别F1值达到93.91%, 实体关系抽精确率达到了89.29%, 通过融合文本相似度与语义相似度方法进行实体对齐, 将所整理的数据存储在Neo4j图数据库中, 构建出一个含有3652个实体, 2396条关系的心理医学知识图谱. 实验结果表明, 在MFE-BERT模型与FNNAttention机制的基础上构建心理医学知识图谱切实可行, 提出的改进模型所搭建的心理医学知识图谱可以更好地应用于心理医学信息管理中, 为心理医学数据分析提供参考.     

用于嵌套命名实体识别的边界强化分类模型

实体嵌套是自然语言中一种常见现象,提高嵌套命名实体识别的准确性对自然语言处理各项任务具有重要作用。针对现有嵌套命名实体识别方法在识别实体边界时不够准确、未能有效利用实体边界信息等问题,提出一种嵌套命名实体识别的边界强化分类模型。采用卷积神经网络提取邻接词的特征,通过加入多头注意力的序列标注模型获取实体中的边界特征,提高实体边界检测的准确性。在此基础上,计算实体中各词语对实体类型的贡献度,将实体关键字与实体边界词相结合来表示实体,使实体表示中包含实体关键信息和边界信息,最后进行实体类型检测。实验结果表明,通过加入多头注意力机制能够有效提升对嵌套命名实体的检测和识别性能,该模型在GENIA和GermEval 2014数据集上准确率有较好表现,并且召回率和F1值较对比模型达到最优。     

Drug self-assembly: A phenomenon at the nanometer scale with major impact in the structure–biological properties relationship and the treatment of disease

Under water-rich conditions, small amphiphilic and hydrophobic drug molecules self-assemble into supramolecular nanostructures. Thus, substantial modifications in their interaction with cellular structures and the ability to reach intracellular targets could happen. Additionally, drug aggregates could be more toxic than the non-aggregated counterparts, or vice versa. Moreover, since self-aggregation reduces the number of effective “monomeric” molecules that interact with the target, the drug potency could be underestimated. In other cases, the activity could be ascribed to the non-aggregated molecule while it stems from its aggregates. Thus, drug self-assembly could mislead from drug throughput screening assays to advanced preclinical and clinical trials. Finally, aggregates could serve as crystallization nuclei. The impact that this phenomenon has on the biological performance of active compounds, the inconsistent and often controversial nature of the published data and the need for recommendations/guidelines as preamble of more harmonized research protocols to characterize drug self-aggregation were main motivations for this review. First, the key molecular and environmental parameters governing drug self-aggregation, the main drug families for which this phenomenon and the methods used for its characterization are described. Then, promising nanotechnology platforms investigated to prevent/control it towards a more efficient drug development process are briefly discussed.     

Monitoring the Dynamic Process of Formation of Plasmonic Molecular Junctions during Single Nanoparticle Collisions

The capability to study the dynamic formation of plasmonic molecular junction is of fundamental importance, and it will provide new insights into molecular electronics/plasmonics, single‐entity electrochemistry, and nanooptoelectronics. Here, a facile method to form plasmonic molecular junctions is reported by utilizing single gold nanoparticle (NP) collision events at a highly curved gold nanoelectrode modified with a self‐assembled monolayer. By using time‐resolved electrochemical current measurement and surface‐enhanced Raman scattering spectroscopy, the current changes and the evolution of interfacial chemical bonding are successfully observed in the newly formed molecular tunnel junctions during and after the gold NP “hit‐n‐stay” and “hit‐n‐run” collision events. The results lead to an in‐depth understanding of the single NP motion and the associated molecular level changes during the formation of the plasmonic molecular junctions in a single NP collision event. This method also provides a new platform to study molecular changes at the single molecule level during electron transport in a dynamic molecular tunnel junction.     

高交联玉米淀粉非糊化特性研究

研究了以三氯氧磷为交联剂制备非糊化的高交联玉米淀汾的方法,测定了反应的取代度和布拉班德粘度曲线,研究了在沸水中受热后非糊化淀粉的颗粒形貌及粒度分布等特性。提出高交联玉米淀粉与原淀粉颗粒不同,在沸水中只发生轻度有限溶胀,呈非糊化颗粒态     

工程装备仿真实体在行军过程中的聚合和解聚

在工程兵作战仿真中多分辨率模型的聚合与解聚问题一直是困扰不同层次仿真系统集成的瓶颈问题。该文以工程兵工程装备行军过程为例,对工程装备行军过程仿真中不同层次仿真模型的聚合与解聚问题进行了研究,分析了该仿真过程中所需模型的分辨率,分别就工程装备仿真实体位置、速度、状态及毁伤的聚合与解聚进行分析,同时给出了仿真实体位置、速度、状态及毁伤的聚合与解聚解决方法,这些方法简单实用,节省资源,效率高,对解决工程兵作战仿真中的模型聚合与解聚问题具有一定的参考价值。