营销活动问题标签分类语料库的构建与分类研究

判断营销活动投诉工单所属的标签类别,开展营销活动问题标签分类研究具有重要意义,然而目前尚没有相关语料库。基于K-means算法和专业知识确定分类标签,构建营销活动问题标签分类语料库,且每个问题标签的一致性均达到93%以上。这说明该语料库能够为营销活动投诉工单分类研究提供统一资源支撑。此外,在构建的语料库上,采用单一深度学习模型和融合的方法进行营销活动问题标签分类研究。实验结果显示,F1值达到67.70%,说明该分类方法是有效的。     

基于知识蒸馏的抽取式自动摘要模型

抽取式自动摘要任务的目标是通过抽取原文中重要的句子来构成简短的摘要,同时保留原文中重要的内容.查询导向的抽取式摘要模型则可以进一步满足用户对摘要内容的不同需求.抽取式摘要模型具有能保证摘要内容正确性和句子可读性的天然优势,在此基础上确保摘要内容的相关性和显著性则成为了模型摘要目标的关键.为了实现抽取式摘要模型既满足查询的相关性又能保证摘要内容的显著性的目的,将查询信息作为模型学习的目标,利用摘要数据集的标题和图片信息额外构建了基于查询的扩展摘要数据集,并结合知识蒸馏方法提出了基于知识蒸馏的抽取式摘要模型.在实验中采用预训练语言模型BERT作为编码器,并结合知识蒸馏理论提出了两种模型训练策略:引导训练和蒸馏训练.在公开的新闻摘要数据集CNN/DailyMail上的实验结果证明,两种训练方法都取得了显著的效果.通过实验还发现,基于引导训练的摘要模型可以有效提高摘要内容的显著性,同时基于蒸馏训练的模型在提高摘要相关性和显著性方面达到了最好的效果.     

基于点击图特征的稀疏广告点击率预测方法

为更全面地反映用户个人偏好,提高推荐的准确度,提出了一种融合多源异构数据的混合推荐模型.综合考虑了用户社交关系和用户评论对用户评分的影响,从评论中提取主题信息作为用户和商家的特征,采用社区发现算法为用户划分社区,利用机器学习方法为社区建立模型,预测用户对商家的评分,再根据评分对商家进行排序,取前N个商家推荐给用户.实验结果表明,提出的混合推荐模型与经典推荐算法相比,可提高评分预测的准确度,从而提高推荐的准确度.     

纵弯转换超声振动雾化系统的振动特性与设计研究

提出了由纵向振动系统与弯曲振动圆盘组成的纵弯转换超声振动雾化系统的新型结构。通过理论分析和有限元分析,揭示了由换能器、变幅杆与工具组成的振动系统的各种谐振状态特性, 研究了系统的谐振设计方法。分析表明：新型雾化振动系统工作于负载谐振模式,其谐振频率主要取决于纵振动系统的结构,弯曲振动薄圆盘相当于系统的负载。当弯曲振动圆盘谐振频率与系统的谐振频率越接近时,系统的输出振幅越大。通过实验证明了理论研究正确性。     

基于BootStrapping的中文事件元素抽取系统设计与实现

采用基于BootStrapping的方法实现中文事件元素抽取系统.其中,将事件元素抽取定义为一个模式匹配问题.针对这一问题,首先构建了初始种子集,然后创新性地引入了BootStrapping方法构建模板集,并使用模式匹配的方法进行事件元素抽取.在模板构造过程中,提出了基于BestMatch的模板泛化算法[1].对任意两个事件实例模板[2]进行匹配,计算其匹配代价并泛化,提高了模板的覆盖能力.所实现的系统在ACE 2005语料测试中取得了不错结果.     

纵弯转换超声振动雾化系统的雾化特性研究

提出了一种由夹心式纵向振动换能器与弯曲振动圆盘构成的纵弯转换模式的超声振动雾化系统。弯曲振动圆盘的周边与变幅杆的端部相连接,并在变幅杆纵向振动的激励下产生弯曲振动。受圆盘弯曲振动的作用,液体在圆盘的端面上实现雾化。通过理论分析和实验对这一振动雾化系统的振动特性、辐射阻抗和声场进行了研究。结果表明：该系统比传统的纵向振动雾化系统具有更高的功率输出能力,并且可以使液体雾化后具有更强的指向性和作用能量。     

纵弯转换超声振动球面聚焦系统聚焦特性研究

该文提出了一种由夹心式纵振动换能器与带孔球壳组成的纵弯转换型球面聚焦系统。应用弹性力学的板壳振动理论和亥姆霍兹-基尔霍夫声场理论分析了新型聚焦系统的振动特征和声场聚焦特征,并通过实验进行了验证。研究结果表明,球壳弯曲振动的辐射声场具有显著的聚焦特性,焦点位置、声压强度、焦区形状受球壳曲率半径的影响。在结构一定的情况下,聚焦的特性受谐振频率的影响,高阶谐振频率的聚焦效果比低阶谐振频率好,但焦点声压低于低阶谐振频率。由于弯曲振动与气体介质的辐射阻抗匹配要好于纵向振动,因此这种新型聚焦系统具有更强的实际应用意义。     

纵弯转换球面超声振动聚焦系统谐振特性研究

对由纵向振动换能器与薄球壳组成的纵弯转换超声振动球面聚焦系统进行理论、实验研究,揭示系统的振动特性。研究表明,系统具有完全与不完全两种谐振模式。 在不完全谐振模式下系统具有整体谐振及局部共振两种状态,在两种状态下系统均可实现谐振。 基于研究结果,提出系统在不同谐振状态下的设计方法。对新型聚焦系统设计、应用具有重要实际意义。     

基于BootStrapping的中文事件元素抽取系统设计与实现

采用基于BootStrapping的方法实现中文事件元素抽取系统。其中,将事件元素抽取定义为一个模式匹配问题。针对这一问题,首先构建了初始种子集,然后创新性地引入了BootStrapping方法构建模板集,并使用模式匹配的方法进行事件元素抽取。在模板构造过程中,提出了基于BestMatch的模板泛化算法[1]。对任意两个事件实例模板[2]进行匹配,计算其匹配代价并泛化,提高了模板的覆盖能力。所实现的系统在ACE 2005语料测试中取得了不错结果。