大暴露面顶板稳固性的提高

确定大暴露面顶板岩体的应力状态是岩石力学急待解决的问题,因为没有岩体应力状态的数据,要查明应力高度集中区、岩体可能破坏区段、以及在此基础上计算保证回采巷道安全作业的支护和凿岩爆破参数是不可能的。     

有机硅特种炊具涂料开发成功

由中油吉林石化公司研究院开发的有机硅特种炊具涂料 ,于 2 0 0 0年 12月 16日通过吉林石化公司组织的专家鉴定。该产品是以有机硅树脂为基础原料 ,配以改性剂、各种填料等制成的耐热涂料 ,喷涂于金属表面可形成无针孔、光滑、平整、防粘的涂层。该产品分子结构设计合理 ,涂料配方新颖独特 ,制备工艺简单 ,且耐高温、附着力好、无毒、无味、耐久性强。该产品可替代国外进口的炊具涂料有机硅特种炊具涂料开发成功$吉化研究院@韩秀山     

降低装载机机械噪声的途径

在矿井和实验室条件下研究装载机机械噪声的结果表明,装载矿岩过程中工人所遭受的噪声影响包括每一工作循环中重复产生的声脉冲在装载机工作循环时间内,声压级在80～100dB范围内波动(图1),声脉冲的最大值达到118～125dB。声脉冲延续时间为0.2～0.4s,比工作循环中其余时间内的声波级超过17～25dB。     

基于终身朴素贝叶斯方法的情感分类

面对快速增长和变化的网络信息,现有情感分类模型受灾难遗忘的影响,在训练完成后难以累积和迁移知识。受到人类持续学习过程的启发,尝试用终身学习解决这一问题。该文讨论终身学习概念并为终身学习范式构建多任务情感分类数据集;将终身朴素贝叶斯方法用于中文情感分类任务：把不同种类的商品评论视为不同的情感分类任务,LNB算法依次学习并为每一个任务构建分类器。利用领域注意力机制改进LNB,提出该文方法LNB-DA。实验表明该文方法具备知识累积与迁移的能力,负类F₁值优于对比方法0.15%～23.41%。     

基于深度学习的实体关系抽取方法研究

常用的神经网络,如卷积神经网络(CNN)和循环神经网络(RNN),在关系抽取任务中都表现出了很不错的效果。然而,卷积神经网络擅长捕获局部特征,但不太适合处理序列特征;传统的循环神经网络虽然可以有效提取长距离词之间的特征,但容易出现梯度消失或梯度爆炸问题。针对这些问题,提出了一种结合BiLSTM-CNN-Attention的混合神经网络模型。BiLSTM和CNN的结合使它们优劣互补,而Attention的引入能够突出实体间关系词在整个句子中的重要性。并且,在词嵌入层使用拼接词向量,克服了词向量单一表示的问题。实验结果表明,相比word2vec词向量,拼接词向量能够获取语义更丰富的词向量,使词向量的健壮性更强。与BiLSTM-CNN、CNN-Attention和BiLSTM-Attention模型相比,BiLSTM-CNN-Attention混合模型的准确率和F1值都有所提升。