利用收益预测与策略梯度两阶段众包评论集成

近年来随着互联网的飞速发展,人们频繁地在网络上发布关于某一特定对象的评论内容,快速掌握众包评论文本的关键信息对决策制定、服务调整有着重要作用,对众包评论文本集成进行深入研究亦显得十分必要.众包评论文本集成旨在将不同评论者对同一对象的评论内容以既定压缩率整合成较短的集成文本,从而根据大众认知形成关于特定对象较为匹配的内容描述.针对该问题提出了一种利用收益预测与策略梯度的两阶段众包评论集成方法.该方法不依赖于任何人工真值,仅提供源众包评论文档,由代理根据收益经验自行抽取关键语句形成众包评论集成文档.具体而言,第一阶段以语句相关性与冗余性衡量集成文档内容质量,以此作为收益,利用Q-值学习预测出从当前语句选择起直至评论集成结束时所产生的长期收益,由此指导代理学习最优语句选择策略;在此基础上,第二阶段以集成文档情感强度为收益,利用策略梯度(上升)进一步调整第一阶段代理习得的语句选择策略,使得代理所产生集成文本在具备一定内容质量同时,从客观角度突显文本情感强度,更明确反映出评论者所持有的情感态度.实验结果表明,与现有相关方法相比,所提出方法在评论文本集成内容质量与情感强度方面总体取得最优,且产生集成文档所耗费时长仍控制在可接受范围之内.     

均匀化退火对Mg-xAl-Zn合金组织与硬度的影响

对Al含量分别为10%、11%、12%的Mg-Al-Zn合金进行均匀化退火处理,探讨均匀化退火温度及时间对合金显微组织及硬度的影响。结果表明,不同温度均匀化退火处理后,合金中的β-Mg17Al12相均以层片状析出。同一温度下,随均匀化保温时间的延长,部分层片状组织熔断成球状、针状组织。在410 ℃和430 ℃均匀化退火处理后,合金硬度与铸态相比均有所提高。     

面向连贯性强化的无真值依赖文本摘要模型

自动文本摘要技术旨在凝练给定文本,以篇幅较短的摘要有效反映出原文核心内容.现阶段,生成型文本摘要技术因能够以更加灵活丰富的词汇对原文进行转述,已成为文本摘要领域的研究热点.然而,现有生成型文本摘要模型在产生摘要语句时涉及对原有词汇的重组与新词的添加,易造成摘要语句不连贯、可读性低.此外,通过传统基于已标注数据的有监督训...     

L245钢在不同温度饱和CO_2的NaHCO_3水溶液中的腐蚀行为

碳钢作为运输管道的重要原材料,在油气采集运输中被大量使用,但其在含CO_2的Na HCO_3水溶液的环境中非常容易发生腐蚀。为了解L245钢管材在油气田采集运输中的腐蚀情况,通过浸泡法和电化学方法研究了L245钢在不同温度饱和CO_2的Na HCO_3水溶液中的腐蚀行为,采用扫描电镜(SEM)、能谱(EDS)分析了腐蚀产物的表面形貌和成分。结果表明:在饱和CO_2的Na HCO_3水溶液中,当温度从30℃升高至70℃时,L245钢的腐蚀电流密度从167.3μA/cm~2升至762.9μA/cm~2,电荷转移电阻从238.80Ω·cm~2减小到40.29Ω·cm~2,溶液温度的升高加快了物质传递速率,从而导致腐蚀速率增加。     

基于先验知识图谱的多代理被遮挡目标类别推理模型

目标检测(Object Detection)是计算机视觉中最为热门的方向之一，在军事、医疗等重要领域都有广泛运用。然而，大多数目标检测模型都只能对可见物体进行识别，日常生活中的图片往往存在被遮挡(不可见)的目标物体，现有目标检测模型对图片中的被遮挡目标难以表现出较理想的检测性能。为此，文中提出了一种基于图库先验知识图谱的多代理协作式图片被遮挡目标类别推理模型(IMG-KGR-MAC)。具体而言，1)IMG-KGR-MAC根据给定图库中所有图片的可见目标及其之间的位置关系构建全局先验知识图谱；同时，根据图片自身所含目标及其位置关系，为各图片分别建立图片知识图谱；各图片内被遮挡目标的信息均不计入全局先验知识图谱和图片自身知识图谱；2)采用DDPG(Deep Deterministic Policy Gradient)深度强化学习思想，构建两个相互协作的代理；代理1根据当前图片语义信息从全局先验知识图谱挑选出与被遮挡目标最为适配的“类别标签”,将其作为新实体节点加入到给定图片自身的知识图谱中；代理2根据代理1新加入的实体，从全局先验知识图谱中进一步挑选〈实体，关系〉,扩展与新实体节点相关联的...     

AZ91D镁合金表面无铬转化膜/杂化复合涂层的耐蚀性能

溶胶凝胶法制备的涂层性能优良,采用溶胶凝胶法、以正硅酸乙酯为主制备性能优良的涂层技术已很成熟,但用于镁合金的防护鲜有报道。为了提高AZ91D镁合金的耐蚀性能,先在其表面制备了无铬钼酸盐转化膜,然后采用有机/无机杂化溶胶凝胶的方法在转化膜表面制备杂化涂层,从而得到转化膜/杂化复合涂层。对复合涂层进行了红外光谱分析,并用扫描电镜(SEM)观察了其微观形貌,同时也对其进行了极化曲线和电化学阻抗谱分析。结果表明:二氧化硅和有机硅氧键通过溶胶凝胶反应,无机和有机间呈网络结构穿插在一起;复合涂层表面平整均匀,无开裂现象;转化膜层和转化膜/杂化复合涂层都可提高镁合金的耐蚀性,但后者的效果更加明显。     

基于动态记忆和双层重构强化的知识图谱至文本转译模型

知识图谱转译文本(Graph-to-Text)是知识图谱领域中一个新的任务,旨在将知识图谱转化为描述该知识的可读性文本。随着近年来研究的不断深入,知识图谱转译文本的生成技术已经被应用于商品评论生成、推荐解释生成、论文摘要生成等领域。现有方法中的转译模型均采用先规划后实现的方式,未能根据已生成文本动态调整规划且未按静态内容规划对知识进行跟踪,导致文本前后语义不连贯。为了提高生成文本语义的连贯性,文中提出了基于动态记忆和双层重构强化的知识图谱至文本转译模型,通过静态内容规划、动态内容规划和双层重构机制这3个阶段,弥补了知识图谱与文本之间的结构化差异,在生成文本的同时侧重关注各三元组中的重要内容。与现有的生成模型相比,该模型不仅能缓解知识图谱与文本之间的结构化差异,还提高了定位关键实体的能力,从而使生成的文本具有更强的事实一致性和语义连贯性。在WebNLG数据集上进行了广泛实验,结果表明,在知识图谱转译文本的任务上,所提模型与现有模型相比,内容规划更加准确,生成文本语句间的逻辑合理且关联性更强,在BLEU,METEOR,ROUGE,CHRF++等指标上优于现有模型。