多配体络合物在电沉积过程中的互补作用

在金属电沉积的溶液中,金属离子形成复杂的多配体络合物,单独氰化络合物的电沉积工艺并不是十全十美。作者在研究新的铜锌二元仿金电沉积工艺和氰化络合物电沉积锡镍合金新工艺中,发现引入第二种配体络合物(或更多配体络合物)到氰化给合物中会有好的结果。本文从广义的酸碱原理出发,提出多配体络合物的互补作用:在形成多配体络合物的过程中,配体与中心离子之间、配体与配体之间有相互影响对方软硬度使各自的软硬度相互接近的特性。文章讨论了这种互补作用的四个基本内容,对已发现的实验事实和作者研究的铜锌、锡镍二元合金电沉积新工艺也用互补观点作了解释。     

词性标注规则的获取和优化

本文提出一种词性标注规则自动学习算法。通过对规则进行评价、优化，有效提高标注正确率和标注效率。系统对PFR标注语料库进行标注，相对于NA假设的词性兼类消歧模型标注结果，封闭测试正确率提高了5.53％，开放测试提高了4．57％。     

复杂曲面混合网格的生成算法

有限元网格质量的好坏对金属成形模拟的精度和效率有很大影响。提出了一种复杂曲面混合网格自动生成算法，该算法根据所要划分的网格密度形成初始化边界节点，逐步向内铺砌混合网格，直至布满整个区域。应用实践表明．该算法具有稳定、准确和速度快的特点，生成的网格在相邻曲面边界处不会产生裂缝与覆盖，很好地满足了金属成形模拟分析软件对网格划分的要求。     

与ASP相结合的分布式数据库开发技术

叙述了分布式数据库在网络环境下的编制要点和ASP技术在访问数据库时的操作要求，并对数据的分布结构和ASP的技术标准及实际应用方法结合该系统进行了重点分析。     

基于多层次特征集成的中文实体指代识别

实体指代识别(Entity Mention Detection, EMD)是识别文本中对实体的指代(Mention)的任务,包括专名、普通名词、代词指代的识别。本文提出一种基于多层次特征集成的中文实体指代识别方法,利用条件随机场模型的特征集成能力,综合使用字符、拼音、词及词性、各类专名列表、频次统计等各层次特征提高识别性能。本文利用流水线框架,分三个阶段标注实体指代的各项信息。基于本方法的指代识别系统参加了2007年自动内容抽取(ACE07)中文EMD评测,系统的ACE Value值名列第二。     

基于领域情感词典特征表示的细粒度意见挖掘

细粒度意见挖掘的主要目标是从观点文本中获取情感要素并判断情感倾向。现有方法大多基于序列标注模型,但很少利用情感词典资源。该文提出一种基于领域情感词典特征表示的细粒度意见挖掘方法,使用领域情感词典在观点文本上构建特征表示并将其加入序列标注模型的输入部分。首先构建一份新的电商领域情感词典,然后在电商评论文本真实数据上,分别为条件随机场(CRF)和双向长短期记忆-条件随机场(BiLSTM-CRF)这两种常用序列标注模型设计基于领域情感词典的特征表示。实验结果表明,基于电商领域情感词典的特征表示方法在两种模型上都取得了良好的效果,并且超过其他情感词典。     

旅游场景下的实体别名抽取联合模型

目前互联网中包含了大量的实体介绍文本,为实体知识构建提供了资源基础。别名作为实体的一种属性,是实体正式名称的不同表达,在知识图谱构建中具有重要意义。该文以景点介绍文本作为语料,结合不同别名描述方式提出别名标注策略,人工构建别名标注数据集。别名抽取可分为实体识别与关系分类两个子任务。该文提出基于深度学习的景点实体别名抽取联合模型,同时完成两个子任务。在该文构建的数据集上的实验结果表明,联合模型与流水线式处理模型相比性能有显著提高。     

基于远程监督的人物属性抽取研究

属性抽取的主要目标是从非结构化文本中获取实体的属性值。为了从文本中抽取出人物属性,通常需要大量的标注数据,然而这些数据资源却十分稀少。为了解决这个问题,该文从百科类网页的表格数据出发,构建了人物属性表,然后采用远程监督的方法得到大规模、多类别的人物属性标注语料,从而免去了人工标注的繁琐流程。针对新构建的数据集,分别使用条件随机场(CRF)和双向长短期记忆-条件随机场(BiLSTM-CRF)构建了属性抽取的两个基线模型。实验结果表明,BiLSTM-CRF取得比CRF更好的性能,其中BiLSTM-CRF的平均F₁值为83.39%。     

房屋建筑现场施工技术的应用及管理

在房屋建筑建设过程中,施工技术的管理对工程质量至关重要,文章分析了房屋建筑现场施工技术的应用及管理的重要意义,阐述了房屋建筑现场施工技术的具体应用,提出了房屋建筑现场施工技术的管理措施。     

α-Shape算法双机器人协作工作空间研究

机器人协作工作空间是机器人领域的研究热点,但同时也是技术难点.首先以集合形式给出了协作工作空间的定义,基于蒙特卡洛法分别得到主、从机器人工作空间的点云模型;分析了求交集法提取协作空间点的不足,并给出一种通过计算点与点距离并加入一定阈值的判断方法,有效的提取到了协作空间内的点云;运用α-Shape算法分别处理单机器人工作空间与协作工作空间点云数据,对工作空间进行了三维重建,同时给出了基于体积值的参数α的确定方法,并基于此获得了较好的重建效果.最后以六自由度转动关节机器人为例进行了计算和分析,验证了方法的有效性,为指导机器人协作相关技术奠定了重要的理论基础.