面向研究性项目文档的知识画像模型

为提高科研活动产生的研究性项目文档的知识要点的精准智能识别和检索能力,通过分析文档行文结构,提出建立文档知识画像的方法。设计精准贴合研究性项目文档结构的多层次的知识画像,自动识别文档知识要点,并按语义段落多粒度提取知识要点。采用知识表达准确率对模型的知识提取精确度进行检验,实验结果表明模型比传统方法对文档知识描述更准确,可在实际工作中使用。     

面向司法专题分析的大数据计算资源调度方法

针对司法专题分析过程中面临的交互式分析类数据处理执行效率低的问题,提出了一种基于任务类型的计算资源调度方法,为任务类型建立计算资源配额管理机制。在类型配额内具备抢占式优先调度权,在类型配额外可以借用其他任务类型的空闲资源。实验与分析表明,该方法能够在兼顾普通大数据处理任务执行效率的前提下显著提升交互式分析类任务的执行效率。     

基于元数据的动态数据需求定制中间件设计

文中利用元数据作为中介,基于数据集成的中介模式设计了一种基于元数据的数据需求定制中间件。利用元数据作为数据源和数据需求之间的中介,完成异构的原始数据到统一的数据视图再到需求数据之间的数据格式转换与集成操作,并能够支持运行时的数据源结构修改和数据需求变更的操作。     

陆相断陷盆地隐蔽油气藏分类及勘探

为有效地指导隐蔽性油气藏的勘探和开发，以济阳坳陷为例，对陆相断陷盆地隐蔽性油气藏进行了分类及勘探研究。根据圈闭成因类型及其含油气性，可将隐蔽性油气藏分为岩性、地层及裂缝性油气藏3大类。对于不同类型的隐蔽性油气藏，应建立不同的地质模型，采取不同的技术手段，以提高勘探的成功率及效益。     

一种法律判决预测的影响因素分析方法

法律判决预测是指机器依据案件事实描述,对法律案件的判决罪名进行预测的方法,是人工智能技术在法律领域一项很有前途的应用。随着人工智能领域的迅猛发展,相关技术在法律领域的应用愈加广泛,许多经典的模型在法律判决预测方面取得了不错的结果。机器学习方法效果虽好,但一直无法解决预测结果的解释说理问题,预测结果存在黑盒性特征,无法获得结论的支撑依据。针对上述问题,本文提出一种法律判决预测的影响因素分析方法,结合中文分词技术、支持向量机技术（Support Vector Machine, SVM）和解释预测统一框架（SHapley Additive exPlanations, SHAP）,实现对法律案件判决结果的智能预测,并对预测结果的影响因素进行科学的分析,给出对预测结果影响较大的关键因素,为预测结果提供支撑依据。     

地方与国家之间的艰难互动——解读1936年四川大灾荒背景下的刘蒋关系

1936年春夏迁延至1937年春的四川灾荒,由于川省地方政府未能对灾荒有一个精准的统计,使整个报灾和赈灾显得异常被动;同时由于川省政要的地方观念,外界对川灾知之甚少;且当时蒋刘之间的特殊关系,更使南京国民政府对川灾的勘察和赈济滞后,致使万千灾黎蒙受了巨痛.关于救济川灾一事,其表层反映的是报灾与救灾过程中刘湘与蒋介石之间的政治纠葛,实质上反映了特定时空中地方与国家之间的艰难互动及其影响.