基于BERT的盗窃罪法律文书命名实体识别方法

法律文书命名实体识别是智慧司法领域的关键性和基础性任务。在目前法律文书命名实体识别方法中,存在实体定义与司法业务结合不紧密、传统词向量无法解决一词多义等问题。针对以上问题,该文提出一种新的法律文本命名实体定义方案,构建了基于起诉意见书的法律文本命名实体语料集LegalCorpus;提出一种基于BERT-ON-LSTM-CRF(Bidirectional Encoder Representations from Transformers-Ordered Neuron-Long Short Term Memory Networks-Conditional Random Field)的法律文书命名实体识别方法,该方法首先利用预训练语言模型BERT根据字的上下文动态生成语义向量作为模型输入,然后运用ON-LSTM对输入进行序列和层级建模以提取文本特征,最后利用CRF获取最优标记序列。在LegalCorpus上进行实验,该文提出的方法F₁值达到86.09%,相比基线模型lattice LSTM F₁值提升了7.8%。实验结果表明,该方法可以有效对法律文书的命名实体进行识别。     

水电项目监理服务费计价模式的研究与实践

DG公司创造性地提出了按投入费用法进行监理服务费计价,并于2013年11月率先用于DG水电站工程的监理招标和施工管理中。投入费用法有利于督促监理单位保证现场投入、提高监理人员的责任心和监理费用的控制等。DG电站实施的良好效果,使投入费用计价法进行监理招标与管理模式得到了众多水电行业建设单位与知名监理企业的认同。     

某高层建筑地下防水工程综合施工技术

某高层建筑基础防水施工中采用了混凝土结构自防水、SBS防水卷材、水泥基渗透结晶型防水涂料、腻子型膨胀橡胶条、止水钢板等多种防水材料,同时对施工过程进行严格的质量控制,取得较好的防水效果。     

基于对称三层架构的Petri网仿真工具开发

设计了一种Petri网建模工具.针对该工具的特点定义了一种新的分层体系结构—对称三层架构,采用该架构设计了该工具的体系结构和核心类;对该工具进行了验证.结果表明:通过该工具,可以以图形化的方式建立、分析和仿真Petri网模型.     

一种强制访问控制机制的审计方法

目前的安全操作系统模型有很多,以SELinux安全模型,AppArmor安全模型等为大家所熟知,基于这些强制访问控制模型的审计机制也更有不同。本文提供了一种基于轻量级DTE安全模型的审计机制,该机制中的审计信息采用固定大小格式,这样方便对其进行操作。该审计机制有效的监控了系统中主体对客体的所有访问,包括作法用户的操作和合法用户的误操作等。在系统自带的审计机制中,审计信息是系统中所有的审计记录的集合,数量相当庞大,不利于进行分析。本文提出审计开关,对审计记录中的数据进行分类处理,大大提高了检索和查找的速度。     

一种基于服务覆盖网络的业务运行平台

针对分布式业务的动态性和可扩展性需求,设计并实现了业务运行平台BEPSON（Business Execution Platform Based On Service Overlay Network）。该平台基于服务覆盖网络,采用分层架构,提出并实现了具有QoS保证的动态服务发现算法以及分布式的执行策略。最后,通过实例验证了平台的有效性和灵活性。     

刍议如何在高校计算机教学中培养学生的创新能力

创新是国家兴旺发达的不竭动力,是一个民族进步的灵魂。一个民族没有过硬的创新能力,是不可能长久地立于民族之林的。计算机课程作为高校的基础课程,内容更新速度快,实践性和操作性都很强。计算机教师不仅要引导学生掌握计算机基础知识,还要培养学生的创新能力。本文就如何在高校计算机教学中培养学生的创新能力展开探讨,具有一定的现实意义和指导意义。     

基于Tikhonov正则化的WSN多边定位算法研究

节点定位是无线传感器网络实现监测和跟踪的一个重要前提.针对多边定位中的不适定问题.提出了一种基于Tikhonov正则化方法的定位算法,研究了定位模型的建立、正则化参数的选取方法以及最优定位参考点数的选取等问题.实验结果表明本算法与典型的极大似然估计法相比,较大幅度地提高了定位精度,当a值选取600,采用5个参考节点时,定位精度可达到1米.     

四元域上自对偶码的子码链

利用构造性算法,对码长n介于10≤n≤20的四元自对偶码的子码进行了研究,构造出对偶距离为3、4、5或6子码的生成矩阵,得到了相应的自正交码.利用这些自对偶码及构造出的具有较好对偶距离的自正交子码构造出了码链,并且导出相应的L-链.最后作为对四元域上自对偶码的码链和L-链的一个应用,利用加性量子纠错码的构造方法构造出一些量子纠错码,其中一些码的参数改进了前人所得的结果.     

基于多模板隐马尔可夫模型的文本信息抽取算法

由于训练数据来源的多样化,难以通过学习得到最优的模型参数,因此提出了一种基于多模板隐马尔可夫模型的文本信息抽取算法。该算法首先利用文本排版格式和分隔符等信息,对文本进行分块;然后在分块的基础上,对训练数据进行聚类以形成多个形式的模板（多模板）,并对多模板数据训练得到隐马尔可夫初始概率及转移概率参数;最后,用被训练的数据统一训练释放概率参数,结合初始概率、转移概率以及释放概率参数对文本信息进行抽取。实验结果表明,该算法在精确度和召回率指标上比简单隐马尔可夫模型具有更好的性能。