基于层次化语义框架的知识库属性映射方法

面向知识库的自动问答是自然语言处理的一项重要任务,其旨在对用户提出的自然语言形式问题给出精练、准确的回复。目前由于缺少数据集,存在特征不一致等因素,导致难以使用通用的数据和方法实现领域知识库问答。因此,该文将“问题意图”视作不同领域问答可能存在的共同特征,将“问题”与三元组知识库中“关系谓词”的映射过程作为问答核心工作。为了考虑多种层次的语义并避免重要信息的损失,该文分别将“基于门控卷积的深层语义”和“基于交互注意力机制的浅层语义”通过门控感知机制相融合。在NLPCC-ICCPOL 2016 KBQA数据集上的实验表明,该文方法与现有的CDSSM和BDSSM方法相比,效能有明显提升。此外,该文通过构造天文常识知识库,将问题与关系谓词映射模型移植到特定领域,结合Bi-LSTM-CRF模型构建了天文常识自动问答系统。     

基于KANO模型的后共享时代单车设计决策研究——从设计师与消费者视角

目的 探究消费者对共享单车的需求偏好，获取用户和设计师对产品的认知差距，并提出相应的设计决策，为共享单车以及两轮车行业的产品创新提供启迪与参考。方法 从设计师思维与消费者偏好的视角出发，对共享单车消费者偏好的各项设计原则(属性)进行细致分类，建立8个评价维度与41个评价特征，采用KANO模型对有效回收样本进行定量统计及定性分析。结果 基于前期调研与KANO模型分析，提出后共享时代单车设计的相关策略。结论 在后共享单车时代下，设计师需要根据用户真实的产品偏好与体验感知进行设计策略的研究，以设计出真正满足用户需求和体验期望的产品。同时也证明KANO模型作为一种阐明用户不同感性需求的方法，有助于设计师进行设计决策的综合判断，提升设计的竞争力。     

基于魅力工学的盲盒玩偶外观要素研究

目的 随着潮玩市场的不断发展，盲盒玩偶受到了大量年轻消费者的青睐。通过研究盲盒玩偶外观与消费者偏好之间的关系，可以了解现代年轻群体的审美偏好，从而辅助设计师创造出更多满足消费者偏好的产品。方法 基于魅力工学等研究方法展开定性与定量研究。以POP MART盲盒玩偶为研究对象，首先进行深度访谈，根据访谈内容绘制盲盒玩偶外观评价构造图，得到消费者对偏好的盲盒玩偶外观的原始评价、抽象感受和关注的具体要素;再结合抽象语义设计Likert问卷，并进行问卷调研，以此获得盲盒玩偶的魅力评价均值;最后运用数量化I类理论进行多元回归分析，建立多个要素与消费者审美偏好之间的线性关系。结果 利用SPSS26.0统计软件进行定量研究，得到“治愈温馨”“纯洁可爱”“潮酷个性”“有趣搞怪”四类语义分别与消费者吸引力的线性关系，以及具有显著影响的外观设计要素。结论 研究获得了消费者对不同语义盲盒玩偶外观的审美偏好与关注要素，以及不同职业、不同年龄段消费者对盲盒玩偶外观审美偏好程度的差异。研究结果对潮玩设计师的创作具有参考性意义，也可将研究结果拓展应用于小型艺术装饰品/创意玩具等类似产品中。     

基于阶段注意力机制的电力线提取算法

电力系统维护是电力系统稳定运行的重要保障，应用智能算法的无人机电力巡检则为电力系统维护提供便捷。电力线提取是自主电力巡检以及保障飞行器低空飞行安全的关键技术，结合深度学习理论进行电力线提取是电力巡检的重要突破点。本文将深度学习方法用于电力线提取任务，结合电力线图像特点嵌入改进的图像输入策略和注意力模块，提出一种基于阶段注意力机制的电力线提取模型（SA-Unet）。本文提出的SA-Unet模型编码阶段采用阶段输入融合策略（Stage input fusion strategy， SIFS），充分利用图像的多尺度信息减少空间位置信息丢失。解码阶段通过嵌入阶段注意力模块（Stage attention module，SAM）聚焦电力线特征，从大量信息中快速筛选出高价值信息。实验结果表明，该方法在复杂背景的多场景中具有良好的性能。     

城市地下综合管廊PPP项目物有所值评价优化研究

通过结合综合管廊的行业特点补充和细化评价指标,建立综合管廊PPP项目VFM评价指标体系,改进以往评价指标缺乏针对性的问题。利用C-OWA算子和两维语义专家组合赋权法计算专家权重,对评分进行修正以提高评价的准确性。以海口市城市地下综合管廊项目为例,验证该模型的可行性和实用性。     

基于儿童使用主体的建成环境评价尺度研究

评价尺度是建筑使用后评价的基 本问题之一，它是使用者评判建成环境好 坏、优劣的重要测度标准。为弥补目前环境 评价尺度研究方面的缺失，建立与儿童使用 主体相一致的建成环境评价尺度，对儿童常 用语义量词进行汇总和筛选，采用五级线 分刻度方法进行问卷调查研究。基于儿童的 理解，通过问卷试验分析，结果表明：双侧 5级区间评价尺度为：很（负面）；有点（负 面）；中等；有点（正面）；很（正面）；单侧 5级区间评价尺度为：不；好像有点；比较； 很；特别。     

基于语义分割算法的水库漂浮物智能识别

为了满足水库漂浮物强监管的需求，发挥水库水雨情视频监控的优势，将语义分割算法DeepLabV3+应用于水库漂浮物智能识别任务中。首先，通过多要素数据采集方法以及多种图像数据增强方式系统性整合得到水库漂浮物语义分割数据集。然后，提出改进的加权代价函数，以适应数据集中各类的总像素数量不平衡的问题。实验结果表明，通过规范采集与多种数据增强建立的数据集，以及改进的加权代价函数，提高了水库漂浮物语义分割模型的准确率。所提模型像素准确率平均值、平均交叉比分别可达到95.21%、91.03%，通过微信企业号实现的移动监管，可为水利相关部门对水库漂浮物进行及时的智能监控预警提供新的技术方案。     

基于张量计算的卷积神经网络语义表示学习

卷积神经网络已在多个领域取得了优异的性能表现,然而由于其不透明的内部状态,其可解释性依然面临很大的挑战.其中一个原因是卷积神经网络以像素级特征为输入,逐层地抽取高级别特征,然而这些高层特征依然十分抽象,人类不能直观理解.为了解决这一问题,我们需要表征出网络中隐藏的人类可理解的语义概念.本文通过预先定义语义概念数据集(例如红色、条纹、斑点、狗),得到这些语义在网络某一层的特征图,将这些特征图作为数据,训练一个张量分类器.我们将与分界面正交的张量称为语义激活张量(Semantic Activation Tensors,SATs),每个SAT都指向对应的语义概念.相对于向量分类器,张量分类器可以保留张量数据的原始结构.在卷积网络中,每个特征图中都包含了位置信息和通道信息,如果将其简单地展开成向量形式,这会破坏其结构信息,导致最终分类精度的降低.本文使用SAT与网络梯度的内积来量化语义对分类结果的重要程度,此方法称为TSAT(Testing with SATs).例如,条纹对斑马的预测结果有多大影响.本文以图像分类网络作为解释对象,数据集选取Image Net,在Res Net50和Incep...     

云制造环境下人力资源需求的评价与选择方法

为了解决云制造环境下人力资源提供方对需求方的选择问题,以人力资源提供方的视角,提出一种基于需求方的需求能力和偏好符合度的评价与选择方法。首先,构建了对需求方需求能力的评价指标体系,结合变精度粗糙模型,求得各候选需求方的需求能力;其次,由提供方的供给偏好,计算出各候选需求方的偏好符合度;然后根据各候选需求方的需求能力以及偏好符合度求解其各自的综合需求价值,从而为提供方对需求方的选择提供重要参考依据;最后,以实例验证了该方法的有效性。