基于XLnet嵌入的中文命名实体识别方法

命名实体识别是自然语言处理的核心任务。在基于深度学习的中文命名实体识别方法中,静态字向量无法表征字的多义性。针对该问题,提出了基于XLnet嵌入的中文命名实体识别方法。该方法首先通过XLnet(Generalized Autoregressive Pretraining for Language Understanding,XLnet)模型获取字级别的上下文表示。其次,利用BiLSTM-CRF模型获取文本依赖信息和标签信息。实验结果表明,该方法在人民日报、MSRA、Boson等3种数据集上分别达到91.9%、89.8%、74%的F1值,均高于其他主流的中文命名实体识别方法。     

联合词性特征的微博文本命名实体识别

微博文本语法不规范且多由短语组成,严重影响了现有针对规范、长句文本设计的命名实体识别算法的性能.针对上述问题,本文提出了一种融合词性信息的微博文本命名实体识别模型.该模型通过分词工具提取词性信息,将词性信息作为特征与单词嵌入向量结合后输入双向长短期记忆神经网络,最后使用条件随机场对神经网络输出进行解码,从而实现词性特征辅助命名实体识别.实验结果表明,融合词性信息的命名实体识别模型,显著提高了微博文本命名实体识别的准确率.相比于其它模型,该模型F1值提高了1. 88%.     

基于语义分割的沥青路面裂缝智能识别

针对传统的沥青路面人工检测效率低、缺乏客观性的弊端，提出基于语义分割的沥青路面裂缝智能识别方法.综合考虑数据集规模、算法种类、网络种类及深度、损失函数类型的影响，对22个语义分割模型开展对比研究，提出适用于较大、较小规模数据集的优选裂缝智能识别方案及对应模型.基于北京六环高速公路沥青路面，建立裂缝分割数据集R-Crack，对提出的智能识别方案进行应用检验，并自动量化裂缝参数.结果表明：检测准确率最高达到83.45%，通过对比人工及自动化检测方式获得的裂缝参数计算结果，裂缝长度和宽度平均误差分别为2.84%和2.39%，提出的智能识别方案为高速公路等场景下沥青路面裂缝的智能检测实践提供依据.     

基于多智能体强化学习的社交网络舆情增强一致性方法

针对社交网络舆情动力学的增强一致性问题,提出了一种基于多智能体强化学习的智能感知模型(Consensus Opinion Enhancement with Intelligent Perception, COEIP) 。在舆情动力学场景下的马尔科夫决策过程中,首先通过双向循环神经网络设计了智能体的决策模型以解决智能体不定长感知的问题。然后通过差分奖励的思想针对收敛效率、连通度和通信代价三类目标,设计了有效的奖励函数。最后为优化COEIP模型,设计了基于策略梯度的多智能体探索与更新算法,让智能体在彼此交互过程中,通过奖励值自适应学习具备多目标权衡能力的邻域选择策略。大量仿真验证了COEIP在社交网络舆情动力学场景下可以有效调和智能体间的矛盾,降低系统稳定时的簇数,进而增强系统的舆情一致性。本模型为大规模社交网络下提高人群意见的统一性提供了新的解决方案,具有重要的理论指导意义。     

基于本体的水稻育种方法应用知识库构建

为了改善知识库分析问题的能力,在知识库的本体框架设计中引入功能分析技术,同时结合发明问题解决理论(teoriya resheniya izobreatatelskikh zadatch,TRIZ)的物质-场模型提出了一种基于功能分析的问题模型,通过对用户问题进行功能解析,并依据物质-场模型提供解决问题的参考方法,帮助用户分析并解决现有问题.并且,还提出一种针对水稻育种专利文本的条件随机场(conditional random field,CRF)命名实体识别方法,以完成实例自动化抽取和添加,提高了领域知识库的构建质量和构建效率.实验结果表明,水稻育种方法应用知识库可分析用户问题,给出合理建议.     

多模态命名实体识别方法研究进展

为了解决多模态命名实体识别(MNER)研究中存在的文本特征语义不足、视觉特征语义缺失、图文特征融合困难等问题,多模态命名实体识别方法相继被提出。首先,总结了多模态命名实体识别方法的整体框架以及各部分常用的技术,随后对其进行梳理并分类为基于BiLSTM的MNER方法和基于Transformer的MNER方法,并根据模型结构将其划分为前融合模型、后融合模型、Transformer单任务模型、Transformer多任务模型等4类模型结构。其次,在Twitter-2015、Twitter-2017 2个数据集上,分别对这2类方法进行实验,结果表明：多特征协同表示能增强各模态特征的语义,多任务学习能够促进模态特征融合或者结果融合,从而提升MNER的准确性。建议在MNER的未来研究中,着重关注通过多特征协同表示来增强模态语义,通过多任务学习促进模态特征融合或结果融合等方向的研究。     

融合注意力机制与双向特征加权的PCB缺陷识别

针对现有的印刷电路板(PCB)缺陷检测识别方法存在网络模型结构复杂、误检率高等问题,提出了一种融合视觉注意力机制与双向特征加权的PCB缺陷识别方法。首先,在YOLOv5网络结构的基础上通过使用加权双向特征金字塔网络(BiFPN)来加速多尺度融合;其次,引入视觉注意力机制和替换损失函数,增加过滤冗余信息,强化模型对微小目标的提取能力。在PKU-Market-PCB数据集上的实验结果表明,文中方法对各类缺陷的检测精度高达97.4%,与原始的YOLOv5网络及其他文献方法均有显著提升,实验结果表明了该算法在对微小目标检测识别上进一步提升了性能。     

基于多智能体的虚拟企业协同生产计划模型

针对虚拟企业生产计划的特点,采用多智能体对虚拟企业功能实体和物理实体进行封装,提出了一种基于多智能体的虚拟企业协同生产计划系统模型.该模型总体上分为资源规划、全局生产计划和企业内详细生产计划三层,具有混合式多智能体结构、多层计划相辅相成、逐步细化与可重构性等特点,能有效地支持虚拟企业的协同生产计划.     

大数据环境下一种基于学习的实体识别方法

针对传统实体识别方法的主要研究对象是小数据集并且对结果的准确性关注较高的情况,在大数据的背景下提出了一种利用Hadoop平台和MapReduce框架的基于学习的实体识别方法。通过对MapReduce框架流程的分析,运行基于机器学习的算法,并行处理数据集来识别出数据实体。实验表明,该方法提高了实体识别的效果,具有很好的处理性能和效果,满足了识别海量数据中实体的需求。     

远程监督的自适应实体抽取

针对传统领域知识实体抽取算法主要依赖专家的专业知识,需要的标注工作量较大,本文提出了基于远程监督的实体抽取算法并应用于粮油存储领域.算法在PU学习的框架下,通过判定和分类2个阶段抽取实体,利用双向长短期记忆网络进行二分类实体判别.再通过全连接网络实体类型判别,构建了一个粮油领域知识图谱.研究表明:本算法可以应用于粮油存...     

基于不确定性推理的上下文感知数据处理模型

以不确定性推理理论为基础,建立一种上下文感知数据处理模型.该模型以权值映射上下文实体的特征,以权值变化来映射上下文实体的变化,进而体现出被观察对象的状态变化.实例分析表明,基于不确定性推理的上下文感知数据处理模型能够满足特定的数据处理要求,提高数据处理的适应性.     

基于双层次分析的智能变电站数据分类方法

针对智能变电站中数据体量大、种类多、速度快的特点,对智能变电站中的数据分类方法进行了研究,提出了基于安全指标和遗传模拟退火支持向量机的两级分类方法。首先,构建了智能变电站安全指标分类规则库,使用其对变电站数据进行初次粗糙分类,缩小数据规模;其次,依据智能变电站故障隐患数据样本,使用支持向量机训练出二类分类器,并采用遗传算法和模拟退火算法对其性能进行优化,完成智能变电站数据的二次分类,得到的正类数据为正常数据,负类数据即为需要重点进行下一步分析的异常数据。实验表明,该方法在智能变电站数据分类上取得了良好的效果,并且能够有效地控制数据的规模。     

多分类支持向量机在公交换乘识别中的应用

为获取居民公交出行的换乘信息,设计了一套基于多分类支持向量机(multi-class support vector machine)的公交换乘识别方法.通过融合GPS数据和公交IC卡数据获取训练样本,利用多分类支持向量机进行样本训练,选取最佳训练样本量,并采用网格搜索法结合粒子优化算法对模型参数进行标定,以获取最优SVM分类模型.测试结果显示模型分类精度可达90%.以佛山市公交车GPS数据和IC卡数据对算法进行验证,并获取公交换乘量、公交换乘比例等基本换乘数据.结果表明:算法可在少样本条件下完成公交换乘识别,且分类识别精度高,尤其适用于公交线网复杂的大城市公交换乘识别,有助于在公交前期规划时进行线路布设和枢纽选址.     

一种基于灰色系统和支持向量机的预测优化模型

针对传统的灰色系统中预测模型涉及相关因素多,预测效率与精度不足等问题,结合粗糙集理论和支持向量回归机方法,提出了一种改进的预测优化算法。该模型算法首先利用属性约简技术解决影响因子不相容性问题并有效缩减了影响预测值的因子空间,降低计算的复杂性;然后采用灰色模型进行数据预测,并将预测结果作为支持向量机的输入,进而求解优化模型的预测值,最后采用1990～2010年我国人口数据对我国人口进行预测。实验结果表明该预测优化模型在预测效率和精度方面具有较好的表现。     

概念向量空间模型在智能答疑系统中的应用

为解决智能答疑系统中因词的同义或多义现象而导致的“漏答”或“错答”问题,采用概念向量空间模型来计算句子相似度。针对概念向量空间模型生成的向量矩阵空间仍是一个稀疏大空间的缺点,提出了一种基于FAQ的概念向量空间模型来降低向量矩阵空间的维数。通过对基于事实的简单陈述问题的提问,结果显示明显优于向量空间模型。     

基于智能优化控制的磨矿过程综合自动化系统

选矿行业的磨矿过程存在大惯性、参数时变、非线性等特点,特别是边界条件波动,工艺指标磨矿粒度难以在线测量,难以实现磨矿粒度的优化控制,因而导致磨矿生产过程不稳定,难以保证磨矿质量和磨矿效率.提出了基于磨矿粒度优化控制的磨矿过程综合自动化系统,该系统由智能优化过程控制系统和运行过程管理系统组成.讨论了系统的结构、功能和智能优化控制策略.智能优化过程控制系统由智能优化设定和底层控制回路两级组成,通过软测量模型对磨矿粒度等工艺指标进行预报,通过回路设定模型给出底层回路控制的优化设定值.该系统成功应用于某大型选矿厂磨矿过程,稳定了生产流程,提高了磨矿效率,实现了优化控制、优化管理和优化运行.     

基于FastBert的水稻病虫害实体关系抽取研究

针对水稻病虫害知识图谱构建所需实体和关系,提出了一种基于FastBert模型的中文实体关系抽取方法. 首先,在中文语料收集的基础上,使用Hanlp工具和农业词典提取了与水稻病虫害相关的领域实体,并依据实体间关系的特点定义了病虫害别名、为害部位、为害地区、防治方法等7种类型. 然后,在词嵌入和句子嵌入的基础上通过FastBert模型实现水稻病虫害关系的抽取. 该模型与Robert、Electra、Distilbert等其它Bert相关模型的关系抽取结果比较显示,基于FastBert模型的中文水稻病虫害关系抽取效果更好,模型获得的实体间关系F1值达0.72,模型精度达0.69. 该方法为中文农业病虫害知识图谱的自动化构建提供了参考.     

基于本体的智能行为机制研究

目前对智能行为的研究主要集中在各种智能技术和路线的探讨上,而智能行为面对的核心问题“知识”缺乏的瓶颈．试图通过引入本体论思想,从认知科学和信息加工交叉的角度,对智能行为的认知过程进行描述,并划分为若干状态,最后通过一个简化的认知主客体模型,对提出的智能行为机制进行了认知模拟,为融合不同的智能技术和研究方法提供一个可以交互的本体．     

帧差法在仓库监控智能跟踪系统中的应用

提出了一种基于帧差法的全数字化仓库监控和智能跟踪系统的设计与实现.该方法具有全数字化、智能化、并能实现对运动目标进行实时、可靠智能跟踪的特点.采用数字图像处理技术,可以实现无人值守的全自动监控系统,大大提高工作效率及信息自动化水平.     

支持向量机的无杆抽油机示功图自动识别技术

针对抽油机示功图人工目测误差大、效率低的现状,研究了基于支持向量机理论的示功图自动识别技术。提出了基于支持向量机理论对示功图进行自动识别的可能性,提供了基于支持向量机理论的示功图自动识别步骤,并对无杆抽油机正常、供液不足、游动凡尔泄漏以及油管漏失4种工况下的示功图进行了自动识别研究。识别结果表明:基于支持向量机理论的示功图自动识别方法能对以上4种工况的示功图进行准确有效的识别。