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。     

阿克苏地区主栽棉花品种综合评价分析

对阿克苏地区主栽的5个细绒棉品种在统一的种植管理模式下,进行农艺现状调查、棉花产量和棉纤维品质分析,并通过灰色关联度法对5个品种细绒棉品质进行综合性评价。结果表明,优质棉品种综合性状排序为J206-5>新陆中84>新陆中80>新陆中68>新陆中62。运用综合评价筛选出适宜阿克苏地区推广种植的优质棉品种,为阿克苏地区棉花产业持续健康发展提供理论依据。     

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。     

冷冻预处理对紫色马铃薯出汁率及品质的影响

冷冻取汁技术可降低紫色马铃薯压榨出汁的难度,以提高紫色马铃薯出汁率,减少紫色马铃薯营养品质的损失为目的,研究冷冻预处理条件对紫色马铃薯出汁率及品质指标的影响,通过灰色关联度综合分析确定最佳冷冻处理参数为-10℃冷冻18 h,该处理条件下各指标含量分别为:出汁率52.89%,可溶性固形物6.40%,花青素358.38%,多酚和VC分别为1.46△OD/g和11.38 mg/100 g。     

基于系统稳定性的燃煤发电机组综合对标评价方法研究与实践

对标管理方法在电力行业应用普遍，但传统火电机组对标方法由于指标覆盖面窄、数据利用不充分等原因而存在明显的局限性。对此，本文提出了燃煤发电机组稳定性对标评价的方法，确立了以过热蒸汽系统、再热蒸汽系统、冷端系统、烟风系统以及燃烧系统为主的系统集合，并用层次分析法根据各系统的特点进行了权重分配计算。筛选了各分系统的特征参数子集，根据重要程度进行了评级，最终形成燃煤机组综合对标评价体系。以某电力公司14台机组为例，计算了机组运行稳定性指标，对各机组的稳定性进行了评价，采用综合对标法进行排名。计算结果表明:本文所研究的综合对标法有着效率高、评价全面、结果清晰等特点，该方法在多台机组的应用中效果良好，有效地反映了各机组的稳定性运行情况，对提升燃煤机组生产管理水平起到了积极作用。     

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。