日光型植物生长箱变负荷制冷系统的设计

本文从气候条件的变化和植物生长要求的温度等方面详细分析了植物生长环境试验箱制冷系统的变负荷特性。提出了采用新结构蒸发器、改进制冷管路系统、和超常规送风量设计等措施。保证其在变负荷情况下，制冷量调节的灵活性和运行的稳定性。同时，文章还展示了样机长期运行的测试结果。     

植物水分来源季节性变化对区域蒸散发模拟的影响

植物水分来源会随季节变化。在旱季表层土壤水分不充裕时,植物会逐步使用深层土壤水或地下水,而当雨季表层土壤水分充足时,植物主要使用表层土壤水。然而当前的水文模型、陆面模式和气象模型很少考虑这一现象。本文对分布式陆面-水文模型Par Flow.CLM进行改进,引入以能量差为驱动的根系吸水计算方法,分析植物水分来源季节性变化对区域蒸散发模拟的影响。改进后的模型能够较好地模拟区域蒸散量和土壤水动态,并能较好地再现植物对地下水的使用情况。改进模型结果显示,植物使用地下水的时间主要集中在旱季,植物对地下水的使用是植物应对干旱的重要策略之一。对比美国加利福利亚州Tonzi实验站干旱年2008和平水年2009的结果,2008年植物使用地下水时间比2009年长53 d,用量高36%。改进模型和原模型结果对比显示:当蒸散发主要受到能量限制时,两个模型的模拟结果较为一致;但当蒸散发主要受到水量限制时,两个模型在蒸散发和深层土壤水的模拟结果上有显著差异。改进模型考虑了植物水分来源季节性变化对区域蒸散发模拟的影响,并能模拟地下水位降低对植物用水的影响。结果表明:改进模型中植物腾发量比原模型结果高71 mm/a,占全年总腾发量的43%。若忽略植物水分来源的季节性变化,会对区域蒸散量和深层土壤水的模拟产生巨大影响,且这种影响在旱季或干旱半干旱地区更为明显。     

新浪微博与Twitter的特性对比研究

随着微博客服务的流行,越来越多的用户在微博上用其在线账号进行交流,使真实世界的人们和微博中的用户形成了一一映射.无论是新浪微博本身还是新浪微博中的用户都有很多独特的特性.本文利用新浪微博用户关系网络中的弱连接组件(Weakly Connected Compo-nent)对新浪微博的很多重要特性进行了讨论.同时,又进一步分析了新浪微博与Twitter在网络结构和同质性方面的相同点和区别.与Twit-ter相比,新浪微博的关系分布指数不对称,同质性也更低,并且本次研究还在新浪微博中发现了中国用户的"北漂"现象,这些都反映出中国社会和用户独有的特征.     

语句级音调规律的研究与实现

本文首先讨论了人的发音规律, 然后介绍了在语句级上提高语音合成质量的小系统, 并对其实现过程进行了形式化描述, 最后给出了本系统已实现了的实例。     

高精度室内定位算法与技术综述

近年来高精度室内定位算法和技术的研究成为热点。任何一种孤立的定位技术由于其技术的独特性、局限性,无法满足现实需要。因此,本文对室内定位相关技术进行综合。首先对室内定位技术的应用前景做简单介绍,然后对目前主流的室内定位信道模型进行总结,然后对各种常用室内定位信标技术进行综述。最后指出采用单独的信标和定位技术,很难满足应用需求,多信标融合的室内定位技术将成为主流。     

基于网络结构的多种用户影响力分析算法对比研究

随着社交网络的发展,人们可以非常平等、快捷地发布和接受信息,这导致线上生活对线下生活的影响越来越大。社会化营销应运而生,其非常重要的一个需求是要最大化营销活动在社交网络中的影响力。因此,社交网络中用户影响力分析成为一个至关重要的研究点。该文重点考察了基于网络结构的影响力分析方法,主要包括最大度算法、距离中心点算法、类似PageRank算法的PeopleRank算法等,并给出了具体的分析结论。     

基于用户自然标注的微博文本的消费意图识别

消费意图是指用户在文本中明确表达出的购买产品或服务等一些商业消费的意愿,如“想买一部手机”。该文针对微博上的消息文本,提出一种基于用户自然标注的微博消费意图识别方法。该方法将微博消费意图识别看作为领域自适应学习问题,通过自动获取的训练语料基于源域和目标域共同特征设计分类器,抽取置信度高的伪标注消费意图微博,再利用微博特征训练新的分类器对微博进行消费意图识别。实验结果表明该文所采用的方法是有效的,F值达到69%和77%,其中使用的各种特征对于提高消费意图识别的效果皆有帮助。     

社会媒体中用户的隐式消费意图识别

不同于已有的显式消费意图识别的研究,提出了社会媒体中用户的隐式消费意图自动识别方法.该方法将隐式消费意图识别视作多标记分类问题,并综合使用了基于用户关注行为、意图关注行为、意图转发行为以及个人信息的多种特征.由于隐式消费意图识别难以评价,自动抽取了大量跨社会媒体的用户链指信息,利用该方法,共抽取出12万余对的用户链指.在此自动评价集上的实验结果表明,所采用的多标记分类方法对于识别用户的隐式消费意图是行之有效的,其中使用的各种特征对于提高隐式消费意图识别的效果皆有帮助.     

一种面向社区型问句检索的主题翻译模型

基于统计机器翻译模型的问句检索模型,其相关性排序机制主要依赖于词项间的翻译概率,然而已有的模型没有很好地控制翻译模型的噪声,使得当前的问句检索模型存在不完善之处.文中提出一种基于主题翻译模型的问句检索模型,从理论上说明,该模型利用主题信息对翻译进行合理的约束,达到控制翻译模型噪声的效果,从而提高问句检索的结果.实验结果表明,文中提出的模型在MAP (Mean Average Precision)、MRR(Mean Reciprocal Rank)以及p@1(precision at position one)等指标上显著优于当前最先进的问句检索模型.     

基于依存句法分析的社会媒体文本挖掘方法——以饮食习惯特色分析为例

在进行社会媒体文本挖掘时,传统的基于词表的方法,存在准确率较低、词表难获得等问题。该文提出一种基于依存句法分析的文本挖掘方法,通过规则匹配的方式从社会媒体文本中提取信息。该方法不依赖词表,且实验证明了相比基于词表的方法在准确率上有大幅提高。应用基于依存句法分析的文本挖掘方法,我们在微博文本上进行了饮食习惯特色分析,实现了性别、地区、时间等维度的饮食习惯特色分析并可进行交叉分析,最终用词云的方式展示了结果。