基于门控联合池化自编码器的通用性文本表征

为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks, RNNs)和监督式学习方法。该文提出了一种门控联合池化自编码器(gated mean-max AAE)用于学习中英文的文本语义表征。该文的自编码器完全通过多头自注意力机制(multi-head self-attention mechanism)来构建编码器和解码器网络。在编码阶段,提出了均值—最大化(mean-max)联合表征策略,即同时运用平均池化(mean pooling)和最大池化(max pooling)操作来捕获输入文本中多样性的语义信息。为促使联合池化表征可以全面地指导重构过程,解码器采用门控操作进行动态关注。通过在大规模中英文未标注语料上训练模型,获得了高质量的句子编码器。在重构文本段落的实验中,该文模型在实验效果和计算效率上均超越了传统的RNNs模型。将公开训练好的文本编码器,使其可以方便地运用于后续的研究。     

词义消歧相关术语简介

词义消歧是计算语言学领域的基础性关键研究课题。本文介绍了与词义消歧相关的一些重要术语概念,包括词义消歧、词义区分、基于词典的词义消歧方法、有监督的词义消歧方法、词义标注语料库等。     

耗能减震结构的摄动分析方法

针对用振型分解法对耗能减震结构进行反应分析中存在的计算精度差且耗时的问题,提出了求解振动方程特征值问题的改进一阶摄动的高精度模态展开法,并推导了强行解耦的振型分解的一阶摄动修正公式。最后通过算例证明,提出的摄动分析法是有效的。     

裂缝对空心桥墩温度场及其应力的影响

为了研究裂缝对空心墩温度场和应力场的影响,以寒潮作用下的圆形空心桥墩为例,根据固体热传导微分方程和考虑温度应力的广义虎克定律,选择符合实际情况的边值条件,采用ANSYS软件计算了在寒潮作用下不同裂缝深度的混凝土桥墩温度场及其应力,计算结果说明:裂缝深度对混凝土圆形空心墩的温度场影响不大,空心墩外表面温度应力最大值出现在裂缝处,并且裂缝尖端的应力随着裂缝深度增加而增大,引起原有裂缝的继续发展,对混凝土桥墩产生不利影响.     

大坝神经网络预报模型与大坝回归预报模型的比较

 了更好地应用BP神经网络预报模型和回归预报模型,通过实例从模型原理、模型建立和模型应用三方面对两种预报模型进行了比较。在模型应用方面,主要从因子相关性、资料系列的长短、自变量因子的不同组合等角度对两种模型的影响进行了分析。结果证明：BP模型在大坝监测值预报中是一种性能优异的模型。当需对大坝的监测数据作分解和解释时,则适宜采用统计回归模型。     

一种基于情感计算与层次化多头注意力机制的负面新闻识别方法

网络负面新闻识别在网络舆情监测中具有重要的研究意义.针对当前海量数据下负面新闻难以检测的问题,提出了一种基于情感计算与层次化多头注意力机制相结合的负面新闻识别方法.首先,从新闻文本中采用TF-IDF（Term Frequeney-Inverse Document Frquency）和语义相似度算法构建负面新闻情感词库;其次,采用情感倾向计算方法计算负面新闻情感词的情感倾向度;最后,将词语和词语的情感倾向度进行向量化表示,并采用层次化多头注意力机制进行正负面新闻的判定.情感计算和多头注意力机制的引入,对于捕获文本中的情感词语提供了很大帮助.最终本文基于真实的网络新闻文本数据与现有的多种算法进行对比,证明了该模型具有较好的识别效果,相比于Han模型和LSTM模型分别提高了0.67%和3.29%.     

基于词汇语义特征的中文语义角色标注研究

语义角色除了受句法结构限制之外,同词汇的语义特征也有着紧密的内在联系。对于一些仅依靠句法分析不能很好解决的角色标注问题,如句法结构相同的两个成分所对应的角色分别为完全不同的施事、受事角色的情况,可以通过引入一些词汇语义特征来进行处理。该文基于北京大学的语义词典CSD,引入了配价数、主客体语义类等词汇语义特征来进行语义角色标注研究。10折交叉验证的结果显示,通过引用词汇语义特征,所有角色标注的总体评价F值比单纯使用句法特征上升了1.11%,而其中Arg0和Arg1角色标注的F值达到93.85%和90.60%,比仅使用句法特征进行角色标注分别提高了1.10%和1.26%。     

基于SVM融合多特征的介词结构自动识别

介词结构在汉语文本中出现频率很高,正确识别介词结构边界对句法分析、语音合成中的韵律短语划分有着重要意义。该文较为系统地探讨了汉语中常用介词的边界识别问题。利用支持向量机SVM模型,基于输出概率而不是简单的二分法来选择正确的后边界。探讨了不同的特征选择,并尝试加入语义信息等不同特征组合以提高识别准确率。对常用的68个介词进行边界识别实验,5折交叉验证的准确率达到90.95%,优于前人的识别结果。     

深度学习中汉语字向量和词向量结合方式探究

该文旨在探究深度学习中汉语字向量和词向量的有效结合方式。我们在以词作为基础语义单元和以字作为基础语义单元这两个方向进行探究,实验了字、词信息多种浅层结合方式和深层结合方式。为了验证该文提出的结合方式的有效性,我们改进了一种compare-aggregate模型,并在基于文档的问答系统上进行了实验。实验结果表明,有效的汉语字向量和词向量的结合方式超越了单独的字向量和词向量,提升了基于文档的问答系统的性能,使其结果与目前最好的结果可媲美。     

大坝实测性态综合评价中一种新的权重确定方法

提出了大坝实测性态综合评价中一种新的权重确定方法———改进的层次分析法与主成份分析法相结合赋权方法以及相应的算法步骤,并通过计算实例验证了这种新方法的可行性和合理性．