基于检索结果融合机制的对话生成模型

对话生成模型是对话系统中十分重要的组件。传统的对话生成模型仅利用用户的输入信息生成回复,这导致在生成过程中常会出现无意义的万能回复。最近有工作尝试将检索的方法融入生成模型从而提高模型的生成质量,但这些方法往往将重点放在如何编辑检索结果上,没有考虑检索结果与用户查询之间的语义空间差别。为解决这一问题,该文提出了基于检索结果融合的对话生成模型。模型首先利用双向长短时记忆网络对检索结果进行编码,并提出了具有融合机制的长短时记忆网络(fusion-LSTM)。该机制将检索结果在模型内部与对话文本相结合,以更好地将检索到的信息融入到生成模型中。实验结果表明,该方法在自动评价指标和人工评价指标中都明显优于基线方法。     

高地应力下花岗质片麻岩蠕变损伤模型研究

高海拔地区深埋隧道的花岗质片麻岩在高地应力条件下具有较强的蠕变力学特性,易导致隧道结构开裂,对结构的安全性和耐久性影响较大。在花岗质片麻岩基本力学特性试验的基础上,对其开展了高围压下的三轴蠕变试验。研究表明: 随着围压的增大,轴向蠕变量减小显著,环向蠕变量受影响较小;不同围压下的加速蠕变阶段,环向蠕变效应均比轴向更显著;破裂面倾角随围压的增大逐渐减小。基于蠕变试验结果,分析了花岗质片麻岩的损伤演化规律,提出了指数型损伤变量,将传统Burgers蠕变模型改进为能够描述加速蠕变段的全损伤蠕变模型,并推导了一维和三维蠕变损伤方程,利用加速蠕变阶段的试验数据对模型进行了参数识别,拟合效果较好。