浅谈网络新词语“给力”

首先介绍了＂给力＂一词的起源,然后从实际的语料中解释＂给力＂的词义以及由其衍生的词群,认为＂给力＂是新词。然后,从组合关系与聚合关系中分析＂给力＂的语法性质。最后,指出＂给力＂一词具有的时代特征。     

基于神经网络的中厚板轧机轧制力模型

 以4200轧机大规模测试得到的实验数据为基础,利用Matlab人工神经网络工具箱,建立了该轧机轧制力的预测模型。通过对该网络隐层神经元个数的调整,提高了收敛速度,使轧制力的预测精度大为提高。     

中板轧机轧制力和辊缝检测系统

针对目前国内中板生产的老式轧机缺乏可靠的实时轧制数据、生产完全依赖于经验、缺乏安全性的情况,设计了一套轧机轧制力和辊缝检测系统.通过精确测量和记录生产过程中的实时轧制数据,为现场操作提供参考,也可以通过数据分析了解生产过程和设备状况,并把数据发布上网,以实现全厂范围内的生产数据共享.     

基于BiLSTM的公共安全事件触发词识别

提出基于双向长短期记忆网络(bidirectional long short-term memory,Bi LSTM)和前向神经网络的融合模型完成公共安全事件的触发词识别任务.首先通过Bi LSTM提取整段文本的高层语义特征,避免了以往机器学习方法需要人工提取特征的问题,其次采用特征拼接并在前向神经网络中识别并分类事件触发词.实验结果表明相较于基准模型,本文方法在中文突发事件语料库(Chinese emergency corpus,CEC)上取得了更为突出的性能,Micro-F1值为78. 47%.此外本文讨论了不同拼接特征在触发词识别任务中的重要性,对文本分析中3类特征(词性、句法、实体)的重要程度进行了比较和分析,得出句法特征对于事件触发词识别任务助益最大的结论.     

基于BiLSTM的公共安全事件触发词识别

提出基于双向长短期记忆网络（bidirectional long short-term memory,BiLSTM）和前向神经网络的融合模型完成公共安全事件的触发词识别任务.首先通过BiLSTM提取整段文本的高层语义特征,避免了以往机器学习方法需要人工提取特征的问题,其次采用特征拼接并在前向神经网络中识别并分类事件触发词.实验结果表明相较于基准模型,本文方法在中文突发事件语料库（Chinese emergency corpus,CEC）上取得了更为突出的性能,Micro-F1值为78.47%.此外本文讨论了不同拼接特征在触发词识别任务中的重要性,对文本分析中3类特征（词性、句法、实体）的重要程度进行了比较和分析,得出句法特征对于事件触发词识别任务助益最大的结论.      

中国稀土产业政策演进研究(1991—2021)——基于共词和社会语义网络分析

本文以1991—2021年国家颁布的稀土产业政策文本为研究对象,采用共词分析方法进行词频统计、构建矩阵,利用聚类分析和社会语义网络探讨了不同阶段政策主题聚焦点的变迁。研究发现：政策演进过程分为规划保护阶段(1991—2010年)、深化改革阶段(2011—2015年)和战略发展阶段(2016—2021年),政策主题在三个不同阶段发生了显著变化,关注重点从产业链上游逐步转移到中下游;政策体系化建设不断趋于完善,涉及市场调节方向、产业规制方式、产业发展模式和政策管理主体四个领域。