基于GRU和注意力机制的远程监督关系抽取

随着深度学习的发展,越来越多的深度学习模型被运用到了关系提取的任务中,但是传统的深度学习模型无法解决长距离依赖问题;同时,远程监督将会不可避免地产生错误标签。针对以上两个问题,提出一种基于GRU（gated recurrent unit）和注意力机制的远程监督关系抽取方法,首先通过使用GRU神经网络来提取文本特征,解决长距离依赖问题;接着在实体对上构建句子级的注意力机制,减小噪声句子的权重;最后在真实的数据集上,通过计算准确率、召回率并绘出PR曲线证明该方法与现有的一些方法相比,取得了比较显著的进步。     

基于轨迹挖掘模型的旅游景点推荐

针对旅游推荐系统中基于内容的推荐和基于协同过滤的推荐方法的数据稀疏性和冷启动问题,以及现有轨迹挖掘方法忽略旅游轨迹中高级语义的问题,提出基于门控循环单元轨迹挖掘模型的推荐方法.为了充分利用旅游轨迹的高级语义信息,基于循环神经网络设计轨迹挖掘表示模型,对游客的旅游轨迹进行建模,在利用游客历史轨迹建模后向游客提供个性化旅游景点推荐.在真实旅游轨迹数据集上的实验表明,相比广泛使用的基线方法,文中方法在景点推荐的准确性和质量上都有一定提高.     

GBJM方法的改进及其在含钉群复合材料结构钉载分配和承载能力分析中的应用

为了分析含钉群复合材料结构的钉载分配及承载能力问题,首先对Globle Bolted Joint Model(GBJM)方法进行了改进,然后采用改进的方法对复合材料多钉连接结构的钉载分配和承载能力进行了预测,并与试验结果进行了比较。结果表明:当孔边复合材料未出现损伤时,该方法对多钉载荷分配的预测和试验结果比较接近;而对结构承载能力的预测,该方法偏于保守,比试验结果约低15%。同时该方法具有两个显著优点:一是计算结构钉载分配时效率高,和三维有限元模型相比提高约75%;二是能够对含钉群复合材料结构的失效载荷进行有效的预测。     

用Sisoft Sandra 98深入评测你的微机

经常帮朋友攒机,免不了要使用系统检测工具软件。我现在使用的Sisoft Sandra98是32位系统检测软件,它可在Win95,Win98环境下正常使用,部分功能能在WinNT上使用。     

基于多重隐语义表示模型的旅游路线挖掘

针对用户个性化旅游行为过程的挖掘与景点推荐问题,提出多重隐语义旅游路线表示模型(MLSTR-RM).MLSTR-RM考虑不同上下文对用户旅游路线的影响,高效挖掘旅游路线中丰富的隐语义.首先确定模型中不同上下文包含的隐语义信息,然后通过负采样的方式训练模型参数,最后基于MLSTR-RM模型设计个性化景点推荐方法.在真实数据集上的实验表明文中模型的有效性.     

基于知识图谱和频繁序列挖掘的旅游路线推荐

大数据在提供海量多源信息的同时,也带来了信息过载问题,这在旅游领域内表现得尤为突出。针对当前游客在制定旅行路线时需要花费大量时间和精力的现状,首先,提出一种融合多源旅游数据构建知识图谱的方法,有效地抽取相关旅游领域知识;其次,利用知识图谱及大量旅行游记生成旅游路线数据库,并提出一种能够根据游客类型生成海量候选路线的频繁路线序列模式挖掘算法;最后,设计了一种多维度路线搜索和排序机制来为用户推荐个性化的旅游路线。基于真实旅游大数据的实验结果表明,该方法可以同时考虑旅行天数、人物类型和景点类型喜好等多方面因素,帮助游客快速制定个性化的旅行路线,有效提升游览体验。     

带中心孔的钛合金扩散连接层合板裂纹扩展特性

为了研究含孔TC4钛合金扩散连接层合板的裂纹扩展行为,进行了含ϕ6中心孔的8mm厚单层板材、三层(3+2+3)扩散连接层合板和三层(3+2+3)含ϕ12止焊区扩散连接层合板的疲劳对比试验,试验中施加标识载荷,通过断口判读裂纹形态和尺寸,得到裂纹扩展(a,N)数据,建立了裂纹扩展da/dN-a曲线,对单层板、层合板和止焊层合板的裂纹扩展行为和规律进行了对比。结果表明:单层板出现规则的半椭圆形孔壁裂纹;层合板由于存在层合界面的影响,出现不规则的半椭圆孔壁裂纹;而止焊层合板以角裂纹为主,裂纹扩展过程分为三阶段;三类试件的da/dN-a曲线可用双对数线性关系描述;三层板的裂纹扩展特性不弱于单层板;止焊层合板的裂纹扩展性能有明显改善,提高了含孔层板的损伤容限特性。     

复合材料加筋板后屈曲特性研究

通过对复合材料加筋板进行轴向压缩实验和非线性有限元模拟,研究了其后屈曲阶段的损伤和破坏行为.加筋板在实验中被压缩至完全破坏,压溃的加筋板表现出复杂的后屈曲损伤,包括筋条脱粘、纤维断裂、分层、基体开裂等损伤模式.有限元模型中引入了Hashin准则和基于二次应力的胶层失效准则,失稳及破坏载荷的预测结果和实验值吻合较好.分析...     

基于数据库的亚控King View软件报表设计

亚控的KingView监控软件在国内监控领域中被大量应用,占有相当大的份额。KingView的监控能力强．在生成月报表、年报表时,其内置的报表功能较弱。如果处理数据量较大,生成报表时会消耗大量系统资源,此时若有突发事件需要处理,则会影响监控功能。监控中心一般配置有大容量高性能的服务器,由服务器完成处理数据生成报表的工作...