模数协调与工业化住宅建筑

一、住宅产业化的目标、标准和核心 早在上个世纪50年代,住宅产业化就在许多国家开始发展起来,如日本。至今为止近60年的时间中,住宅产业化所体现的效果和意义,随着社会经济和技术的发展,也不断地发生着变化。目前,国际上对住宅产业化的实施目标基本达成共识并确定为：     

融合多语义特征的命名实体识别方法

针对语言普遍存在的字符间非线性关系,为捕获更丰富的语义特征,提出了一种基于图卷积神经网络（GCN）和自注意力机制的命名实体识别（NER）方法。首先,借助深度学习方法有效提取字符特征的能力,采用GCN学习字符间的全局语义特征,并且采用双向长短时记忆网络（BiLSTM）提取字符的上下文依赖特征;其次,融合以上特征并引入自注意力机制计算其内部重要度;最后,使用条件随机场（CRF）从融合特征中解码出最优的编码序列,并以此作为实体识别的结果。实验结果表明,与单一采用BiLSTM和CRF的方法相比,所提方法在微软亚洲研究院（MSRA）数据集和BioNLP/NLPBA 2004数据集上的精确率分别至少提高了2.39%和15.2%。可见该方法在中文和英文数据集上都具备良好的序列标注能力,且泛化能力较强。     

融合多语义特征的命名实体识别方法

针对语言普遍存在的字符间非线性关系，为捕获更丰富的语义特征，提出了一种基于图卷积神经网络（GCN）和自注意力机制的命名实体识别（NER）方法。首先，借助深度学习方法有效提取字符特征的能力，采用GCN学习字符间的全局语义特征，并且采用双向长短时记忆网络（BiLSTM）提取字符的上下文依赖特征；其次，融合以上特征并引入自注意力机制计算其内部重要度；最后，使用条件随机场（CRF）从融合特征中解码出最优的编码序列，并以此作为实体识别的结果。实验结果表明，与单一采用BiLSTM和CRF的方法相比，所提方法在微软亚洲研究院（MSRA）数据集和BioNLP/NLPBA 2004数据集上的精确率分别至少提高了2.39%和15.2%。可见该方法在中文和英文数据集上都具备良好的序列标注能力，且泛化能力较强。     

普通与高强回弹仪在混凝土检测中的应用探讨

通过对回弹法检测混凝土强度的试验数据比对,分析了普通回弹仪与高强回弹仪在混凝土强度为50 MPa～60 MPa范围内的检测结果,并针对此结果给出了两种回弹仪在混凝土强度检测中的应用建议。