基于实体语义扩展的跨境民族文化文本检索

由于跨境民族相关的文化实体常出现相同实体具有不同名称表达的情况,使用当前主流的文本检索方法在跨境民族文化数据集上将面临语义稀疏的问题。该文提出一种基于实体语义扩展的跨境民族文化检索方法,利用跨境民族文化知识图谱,以知识三元组的形式将跨境民族文化之间的实体关联起来,并添加实体类别标签,以此缓解跨境民族文化实体中语义信息不充分的问题。通过TransH模型对实体及扩展语义信息进行向量化表示,融合到查询文本中进行语义增强,以此提升跨境民族文化文本检索的准确性。实验结果表明,该方法比基线模型提高了5.4%。     

失效相关的齿轮一次四阶矩可靠性分析

齿轮是机械传动的关键零件之一,为了分析其可靠性,在改进的验算点一次二阶矩可靠性方法基础上,应用Taylor级数展开和Hermite多项式近似等方法,推导了齿轮功能函数的验算点前四阶矩,分析了具有齿根断裂和齿面点蚀两种主要相关失效模式的齿轮传动可靠性,给出了其相关系数和齿轮的可靠度。另一方面,因影响齿轮失效的因素繁杂众多,计算齿轮的可靠度时,不管是用一次二阶矩可靠性方法还是四阶矩可靠性方法,其计算量均偏大,且容易出错。针对该问题,提出了一种分类变差系数验算点一次四阶矩可靠性分析方法,该方法对齿轮功能函数的不同基本随机变量进行分类综合,减少了设计变量,使计算量明显减小,解决了用矩方法分析结构可靠性时计算量偏大且易出错的难题。最后应用所提分类变差系数验算点一次四阶矩可靠性分析法估计了某车床主轴箱一对传动齿轮的可靠性,计算结果显示该对齿轮齿根弯曲疲劳强度和齿面接触疲劳强度有一定的相关性,所用一次四阶矩方法因包含偏度、峰度等更高阶的统计信息可进一步提高估计精度。     

融合主题及上下文特征的汉缅双语词汇抽取方法

缅甸语属于低资源语言,网络中获取大规模的汉-缅双语词汇一定程度上可以缓解汉-缅机器翻译中面临句子级对齐语料匮乏的问题.为此,本文提出了一种融合主题及上下文特征的汉缅双语词汇抽取方法.首先利用LDA主题模型获取汉缅文档主题分布,并通过双语词向量表征将跨语言主题向量映射到共享的语义空间后抽取同一主题下相似度较高的词作为汉-缅双语候选词汇,然后基于BERT获取候选双语词汇相关上下文的词汇语义表征构建上下文向量,最后通过计算候选词的上下文向量的相似度对候选双语词汇进行加权得到质量更高的汉缅互译词汇.实验结果表明,相对于基于双语词典的方法和基于双语LDA+CBW的方法,本文提出的方法准确率上分别提升了11.07%和3.82%.     

基于混沌理论和形态学变换的海面分布目标检测

基于海杂波的混沌特性,给出了混沌理论和形态学变换相结合的海面分布目标检测方法.该方法首先利用海杂波的混沌预测误差对海面合成孔径雷达(Synthetic aperture radar,SAR)图像中的分布目标进行恒虚警率(Constant false alarm rate,CFAR)栓测,然后用形态学变换来改善检测效果.用实测的机栽海面SAR图像进行检测实验,结果表明该算法有效,并且可以对任意类型的海面分布目标进行检测.     

基于立体视觉的接触式三维测量系统

传统的三维接触式测量方法存在着速度慢、测量范围受限等缺点,而纯粹的非接触式测量方法则存在着特征边缘无法获取的问题。结合两种测量方法,设计了一种新的三维测量系统,该系统采用立体视觉技术对接触式测头的空间位置和姿态进行定位,进而间接计算接触式探针针尖位置来完成空间点的三维坐标测量。实验结果表明:系统测量精度优于0.2 mm,能够应用于工业现场进行复杂工件的典型几何特征检测和模型重构。     

融合句法信息的无触发词事件检测方法

事件检测（ED）是信息抽取领域中最重要的任务之一,旨在识别文本中特定事件类型的实例。现有的ED方法通常采用邻接矩阵来表示句法依存关系,然而邻接矩阵往往需要借助图卷积网络（GCN）进行编码来获取句法信息,由此增加了模型的复杂度。为此,提出了融合句法信息的无触发词事件检测方法。通过将依赖父词及其上下文转换为位置标记向量,并在模型源端以无参数的方式融入依赖子词的单词嵌入来加强上下文的语义表征,而不需要经过GCN进行编码;此外,针对触发词的标注费时费力的问题,设计了基于多头注意力机制的类型感知器,以对句子中潜在的触发词进行建模,实现无触发词的事件检测。为了验证所提方法的性能,在ACE2005数据集以及低资源越南语数据集上进行了实验。其中,在ACE2005数据集上与图变换网络事件检测（GTN-ED）方法相比,所提方法的F1值提升了3.7%;在越南语数据集上,与二分类的方法类型感知偏差注意机制神经网络（TBNNAM）相比,所提方法的F1值提升了9%。结果表明,通过在Transformer中融入句法信息能有效地连接句子中分散的事件信息来提高事件检测的准确性。     

融合主题模型及双语词向量的汉缅双语可比文档获取方法

缅甸语属于资源稀缺型语言,汉缅双语可比文档是获取平行句对的重要数据资源。该文提出了一种融合主题模型及双语词向量的汉缅双语可比文档获取方法,将跨语言文档相似度计算转化为跨语言主题相似度计算问题。首先,使用单语LDA主题模型分别抽取汉语、缅甸语的主题,得到对应的主题分布表示;其次,将抽取到的汉缅主题词进行表征得到单语的主题词向量,利用汉缅双语词典将汉语、缅甸语单语主题词向量映射到共享的语义空间,得到汉缅双语主题词向量,最后通过计算汉语、缅甸语主题相似度获取汉缅双语可比文档。实验结果表明,该文提出的方法得到的F1值比基于双语词向量方法提升了5.6%。     

基于种子点增长的SAR图像海岸线提取算法

合成孔径雷达SAR(Synthetic Apenure Radar)图像海岸线检测在自动导航、地图绘制等海洋应用方面具有重要意义。国内外针对海岸线检测提出了不少方法,但是这些方法都有一个很大的缺点:速度慢。为此提出了一种快速SAR图像海岸线提取算法。该算法基于种子点增长的思想,从一个选定的初始种子点出发,计算出所有连通的海洋区域点,从而可以确定出海岸线位置。将该算法应用于真实的SAR图像进行实验,证明了该算法的有效性。     

用于文本分类的均值原型网络

文本分类是自然语言处理的基本任务之一。该文在原型网络基础上,提出了按时序移动平均方式集成历史原型向量的均值原型网络,并将均值原型网络与循环神经网络相结合,提出了一种新的文本分类模型。该模型利用单层循环神经网络学习文本的向量表示,通过均值原型网络学习文本类别的向量表示,并利用文本向量与原型向量的距离训练模型并预测文本类别。与己有的神经网络文本分类方法相比,模型在训练和预测过程中有效利用了样本间的特征相似关系,并具有网络深度浅、参数少的特点。该方法在多个公开的文本分类数据集上取得了最好的分类准确率。