基于网络节点中心性的新闻重要性评价研究

评价权威报刊的新闻重要性对于正确理解国家政策变化具有重要意义。该文以《人民日报》为例,抽取发表在1946?2008年期间的新闻,利用其内容相似性构建新闻网络。从复杂网络视角,一篇新闻与其他新闻的相似性越高,其在新闻网络中连接越紧密,具有较大的节点中心性。鉴于此,该文将H指数引入PageRank排序算法,提出H-PageRank排序算法,利用其计算H-PageRank中心性,评价新闻重要性。在实验过程中,考虑到不同领导核心执政时期《人民日报》的新闻风格与新闻版面的差异性将新闻划分为4个时代,基于表示学习分别形成对应的新闻网络。研究结果表明:1) 4个新闻网络的拓扑结构都表现出高聚类性与同配性,且具有近似幂律的度分布,表现出复杂网络一般特性;2) 基于多种网络节点中心性指标,对每个新闻网络中的节点进行全局排序,并以是否成为头版新闻为重要性的评价准则计算得到相近的AUC值,然后基于局部排序的Top-N评价方法计算得到正确率、召回率和F1指标,综合以上指标的实验结果表明,H-PageRank中心性显著优于其他算法的中心性,验证H-PageRank排序算法的有效性;3) 针对每个新闻网络,基于网络节点中心性的Top-N评价方法不同排序列表长度条件,其计算得到的正确率显著高于理论基准,表明评价方法的鲁棒性。     

煤矿矿井数学模型的研究

通过各监测点处瓦斯浓度,风速等观测值来判定其高低瓦斯矿井,详细阐述了煤矿瓦斯绝对、相对浓度的计算方法;通过瓦斯煤尘的检测数据,对矿井发生爆炸的概率进行建模预测,估算出了该矿井的不安全程度。在数据处理过程中主要借助Excel、Matlab等辅助工具来实现。此外还根据《煤矿安全规程》对主要工作面风量进行了规划,得出了最优通风模型;具有较强参考价值。     

一种基于可重用模型组件的战场目标信源建模方法

战场情报仿真缺乏典型通用目标信源建模方法,难以为后续仿真流程中新概念、新算法的演示验证提供各种规范、完备的战场目标信源建模支撑.为了构建灵活通用、要素完备的典型战场目标信源,提出了基于对象的模版化、组件化的信源建模方法.从目标静态数据模型、目标动态行为模型两个方面进行数字化建模抽象,以模型驱动仿真数据生成,实现战场情报仿真环境下各种异构信源的体系化建模.试验证明该建模方法具有良好实用性,所建立的目标信源仿真模型可灵活组装、自由编配,为情报和作战领域的信源仿真提供了一种灵活、通用的目标建模方法.     

基于改进Transformer模型的文本摘要生成方法

传统的文本摘要方法,如基于循环神经网络和Encoder-Decoder框架构建的摘要生成模型等,在生成文本摘要时存在并行能力不足或长期依赖的性能缺陷,以及文本摘要生成的准确率和流畅度的问题。对此,提出了一种动态词嵌入摘要生成方法。该方法基于改进的Transformer模型,在文本预处理阶段引入先验知识,将ELMo(Embeddings from Language Models)动态词向量作为训练文本的词表征,结合此词对应当句的文本句向量拼接生成输入文本矩阵,将文本矩阵输入到Encoder生成固定长度的文本向量表达,然后通过Decoder将此向量表达解码生成目标文本摘要。实验采用Rouge值作为摘要的评测指标,与其他方法进行的对比实验结果表明,所提方法所生成的文本摘要的准确率和流畅度更高。