刘永好分家给我的启示

记得10多年前,我到四川探望一位合作伙伴,途中经人安排,拜访了刘氏兄弟。这是我第一次见到刘永好。当时,希望集团已经完成分家。这桩企业界的热点事件,也引起了我的极大兴趣。1982年,刘氏四兄弟以手上仅有的1000块钱创办育新良种厂——后来的新希望集团就是从这里起步。     

非完美多分类标签体系下的领域短文本分类方法研究

近年来，短文本分类技术获得了广泛的研究。但在实际应用中，随着文本数据的积累，人们经常会遇到分类体系问题及其引起的数据分类标注问题，原因在于分类标签体系通常具有动态性，以及体系中的分类标签具有不易区分性。为此，文中结合分类标签数量众多的某省电信投诉工单分析业务进行了具体分析，并提出了一种非完美多分类标签体系的概念模型。在此基础上，针对数据集中的分类标注冲突与遗漏，提出了一种基于高质量种子训练集的检测和半自动修复方法，用于修复分类体系动态性和人工标注错误导致的标注冲突和遗漏，经过6个月的线上运行，在过滤掉10%的分类置信度过低的投诉工单后，基于BERT的分类模型的F1值可达0.9。     

加强大学生素质教育是培养跨世纪人才的关键

本文从培养跨世纪人才的角度论述了大学生素质现状,以及加强大学生素质教育的重要性、途径和方法。     

万科股改惊心动魄

“改革是自上而下的。万科股改可以延伸出很多有意思的方面。不仅仅是个人的反总和企业的反思。更多的是社会的反思。反思的目的是继往开来。”     

输油离心泵的运行回归模型建立及参数优化

通过对大庆油田采油一厂聚中七联合站水驱输油离心泵生产运行参数的采集分析,对泵的实测工况点建立了三种工作函数回归模型,运用最小二乘法来确定模型系数,并对其有效性进行了分析。泵效模型的应用实例表明,当管道在水力光滑区或混合摩擦区运行时,三种模型得到的泵运行参数与实测值基本吻合。     

如何做一流的企业

一流企业要实实在在承担社会责任我想我和中国的企业家是一块儿成长起来的,虽然早了一点儿,但是能引起大家这样的关注,当然和2003年我登上珠峰有关系。海明威写于1930年的《乞力马扎罗的雪》是这样开篇的:乞力马扎罗是一个海拔5892米的常年积雪的高山,据说它是非洲最高的一座山。2002年我登上了乞力马扎罗,海明威说它是一个常年积雪的高山,而在快要登顶的那段路上,包括在上面,我是没有看到雪的。     

一种基于Web的术语翻译获取及验证方法

中文术语及未登录词的翻译是机器翻译、跨语言检索中的一个重要问题,这些翻译很难从现有的词典中获取。提出了一种通过搜索引擎从网页中自动获取中文术语英文翻译的方法。通过术语的部分翻译信息,构造出3种查询项模式,提出了多特征的翻译抽取方法。针对传统方法结果准确率不高、候选翻译干扰项多的问题,提出端类比对齐验证、双语对齐度验证、构词法验证3种验证模型来对候选翻译进行有效验证。实验结果表明,获取的双语翻译对准确率高,TOP1的准确率达到97.4%,TOP3的准确率达到98.3%。     

基于FMEA的金川龙首矿充填系统失效风险模糊评估

运用FMEA的原理,建立金川龙首矿充填系统失效风险评价模型。引入层次分析法与模糊综合评判方法,综合考虑子系统间的相互作用,并对其对进行定性和定量地分析,最终找到充填系统的薄弱环节。结果表明:在金川龙首矿充填系统的三大系统中,制浆系统与管道输送系统的失效概率较大;在子系统中,搅拌系统、立式砂仓、管道输送系统(竖直管道、水平管道)和充填挡墙更容易失效。     

一种改进的汉语语义角色分类体系与标注实践

语义角色标注是自然语言处理中的一项重要任务,涉及文本挖掘、神经网络学习、统计语言学等多个研究领域。在对一个汉语语料库进行语义角色分析时,发现现有的汉语语义角色体系存在一定的局限性。通过引入新的语义角色、吸收和重新定义现有语义角色体系中的语义角色,该文提出了一种改进的汉语语义角色分类体系。该语义角色分类体系将事件中的语义角色分为两大类,即中枢语义角色和周边语义角色,其中,周边语义角色可进一步被细分为主要周边语义角色和辅助周边语义角色。为了减少语义理解的主观性从而客观地判断语义角色类型,该文基于语义和句式以“判断标准-相应例句”的形式详细解释了语义角色分类体系中的主要周边语义角色,并从中枢语义角色半自动化判断、复合动词作中枢语义角色处理、易混淆语义角色难点分析和辅助周边语义角色标注规定等多个方面给出了提高语义角色标注一致性的说明。最后,根据提出的语义角色分类体系对实验语料库进行了语义角色的标注实践,分析了标注一致性,统计了新提出和重定义的主要周边语义角色在语料库中的分布情况,并与基于鲁川语义角色分类体系得到的标注结果进行了对比。     

知识增强的自然语言生成研究综述

自然语言生成(Natural Language Generation, NLG)任务是自然语言处理(Natural Languge Processing, NLP)任务中的一个子类,并且是一项具有挑战性的任务。随着深度学习在自然语言处理中的大量应用,其已经变成自然语言生成中处理各种任务的主要方法。自然语言生成任务中主要有问答任务、生成摘要任务、生成评论任务、机器翻译任务、生成式对话任务等。传统的生成模型依赖输入文本,基于有限的知识生成文本。为解决这个问题,引入了知识增强的方法。首先介绍了自然语言生成的研究背景和重要模型,然后针对自然语言处理归纳介绍了提高模型性能的方法,以及基于内部知识(如提取关键词增强生成、围绕主题词等)和外部知识(如借助外部知识图谱增强生成)集成到文本生成过程中的方法和架构。最后,通过分析生成任务面临的一些问题,讨论了未来的挑战和研究方向。