大数据系统和分析技术综述

首先根据处理形式的不同,介绍了不同形式数据的特征和各自的典型应用场景以及相应的代表性处理系统,总结了大数据处理系统的三大发展趋势;随后,对系统支撑下的大数据分析技术和应用(包括深度学习、知识计算、社会计算与可视化等)进行了简要综述,总结了各种技术在大数据分析理解过程中的关键作用;最后梳理了大数据处理和分析面临的数据复杂性、计算复杂性和系统复杂性挑战,并逐一提出了可能的应对之策.     

考虑移动应急电源配置的微电网顺序恢复方法

自然灾害引发配电网停电后,利用配网中分布式电源构建微电网实现重要负荷的顺序恢复,是提升配电网弹性的重要手段。现有研究主要利用配网中存在的小型燃机、可再生能源和储能等固定式电源构建微电网,并优化微网中节点的恢复顺序。随着配网中移动应急电源数量的增加,充分利用移动应急电源可以进一步提升配电网弹性。为此,该文提出了考虑移动应急电源优化配置的灾后微电网顺序恢复方法。首先,以重要负荷恢复量最大为优化目标,建立了考虑应急电源配置、区域划分、恢复路径及供电顺序协同优化的配电网灾后顺序恢复模型。由于该模型是非线性规划问题,进一步对模型进行线性化处理,将其转化为混合整数线性规划问题进行快速求解。最后。采用IEEE37节点配电系统,对所提方法的有效性进行了验证。     

基于常识的亲属关系推理模型

常识知识的研究与发展得到了人工智能界的很大重视。文章建立了一个基于常识的人物亲属关系推理模型,研究了亲属关系常识以及人物信息的表示与存储。此外,对实际所要解决的问题进行了总结。     

自适应属性选择的实体对齐方法

现有实体对齐方法普遍存在传统方法依赖外部信息和人工构建特征,而基于表示学习的方法忽略了知识图谱中的结构信息的问题。针对上述问题,提出自适应属性选择的实体对齐方法,融合实体的语义和结构信息训练基于两个图谱联合表示学习的实体对齐模型。提出使用基于自适应属性选择的属性强约束模型,根据数据集特征自动生成最优属性类型和权重约束,提升实体对齐效果。两个实际数据集上的试验表明,该方法与传统表示学习方法相比准确率最高提升了约11%。     

面向提高风电接纳能力的智慧建筑能量管理策略

提出一种面向提高风电接纳能力的智慧建筑能量管理策略.首先,基于建筑热惯性,构建考虑建筑物内部不同制热区域的能耗预测模型;其次,基于支路潮流模型与二阶锥松弛方法,构建集成智慧建筑的主动配电网(active distribution network,ADN)统一数学模型.随后,基于模型预测控制方法,在保证用户舒适性前提下,...     

基于视觉的网页重要变化检测方法

检测网页重要变化,判断页面核心内容是否发生变化,可有效降低数据采集中重复索引的数量,因此,文中提出基于视觉的网页重要变化检测方法,用于检测页面不同语义区域的变化,可将页面压缩表示为一个低维向量.从用户视觉的角度,理解页面不同区块语义重要度的差异.相比现有方法,文中方法独立于基于HTML类基础文档的分析方法,在新媒体,如移动互联网上,也有一定的适用性.实验也验证文中方法的有效性.     

基于注意力机制的混合神经网络关系分类方法

关系分类是自然语言处理领域的一项重要语义处理任务。传统的关系分类方法通过人工设计各类特征以及各类核函数来对句子内部2个实体之间的关系进行判断。近年来,关系分类方法的主要工作集中于通过各类神经网络获取句子的语义特征表示来进行分类,以减少手动构造各类特征。在句子中,不同关键词对关系分类任务的贡献程度是不同的,然而重要的词义有可能出现在句子中的任意位置。为此,提出了一种基于注意力的混合神经网络关系分类模型来捕获重要的语义信息,用来进行关系分类,该方法是一种端到端的方法。实验结果表明了该方法的有效性。     

基于类型间关系学习的细粒度实体分类

细粒度实体分类旨在为构建知识图谱过程中所抽取的实体或实体提及确定一个或多个层次化、细粒度的类型,以便更好地为下游任务提供支持。现有细粒度实体分类方法存在细粒度分类精度不高、部分实体难以有效分类的问题。另一方面,直观来说,掌握细粒度类型之间的语义区别有助于实体的细粒度分类。但由于已有面向该任务的数据集缺少可用于学习细粒度类型间语义差别的数据,因此目前没有将细粒度类型之间的语义区别应用于细粒度实体分类的研究。为此,本文提出一种基于Freebase知识库学习细粒度类型语义区别的方法,并将学习到的语义信息应用在细粒度实体分类任务中。具体地,利用SPARQL从Freebase中获取类型之间的关系数据,据此学习细粒度实体类型之间的语义区别信息,进而结合实体提及及其上下文的文本信息进行细粒度实体分类。实验表明,本文提出的方法可以有效学习细粒度类型之间的语义区别,能够达到提升细粒度实体分类准确率的效果。     

Ф1500 GC型一轴三径氨合成塔在我公司的应用

我公司合成氨系统于2003年7月进行扩产改造，造气工段由富氧连续气化工艺改为恩德粉煤流化床气化工艺，新上2台恩德粉煤气化炉，干煤气产量达到8000m^3／h，合成氨日生产能力可达550t。系统原有的2台Ф1000mm氨合成塔(1#塔内件为一轴二径，2#塔内件为双层对流)，最高日产量只能达到420t，已经不能满足生产需要。     

基于深度学习的关系抽取研究综述

关系抽取(RE)是为了抽取文本中包含的关系,是信息抽取(IE)的重要组成部分。近年来,研究人员利用深度学习技术在该领域开展了深入研究。由于神经网络类型丰富,基于深度学习的关系抽取方法也更加多样。该文从关系抽取的基本概念出发,对关系抽取方法依据不同的视角进行了类别划分。随后,介绍了基于深度学习的关系抽取方法常用的数据集,并总结出基于深度学习的关系抽取框架。在此框架下,对关系抽取方法在面向深度学习的输入数据预处理、面向深度学习的神经网络模型设计等方面的具体工作进行了分析与评述,最后对未来的研究方向进行了探讨和展望。