自适应属性选择的实体对齐方法

现有实体对齐方法普遍存在传统方法依赖外部信息和人工构建特征,而基于表示学习的方法忽略了知识图谱中的结构信息的问题。针对上述问题,提出自适应属性选择的实体对齐方法,融合实体的语义和结构信息训练基于两个图谱联合表示学习的实体对齐模型。提出使用基于自适应属性选择的属性强约束模型,根据数据集特征自动生成最优属性类型和权重约束,提升实体对齐效果。两个实际数据集上的试验表明,该方法与传统表示学习方法相比准确率最高提升了约11%。     

浅谈《机械制图》课教学方法的优化

本结合《机械制图》课程的教学实践，围绕提高学生空间想象、逻辑思维能力，介绍了五种实用有效的教学方法。     

基于上下文信息和排序学习的实体链接方法

为解决英语命名实体链接问题,提出了一种基于上下文信息和排序学习的实体链接方法. 首先使用上下文信息对实体指称进行扩充,并在维基百科中检索候选实体列表;然后通过抽取实体指称与候选实体之间的各类特征,利用ListNet排序算法对候选实体列表进行排序,选出Top1的候选实体作为链接结果;最后对未找到候选的实体指称即NIL实体,通过实体聚类算法进行关联链接. 实验结果表明,该方法在KBP 2013实体链接数据集上的F值为0.660,比KBP 2013实体链接评测中所有参赛队伍的平均F值高0.092,比系统BUPTTeam2013的F值高0.162.     

基于OFBiz的采购管理系统

介绍Sourceforge.net上流行的OFBiz开源包,构建了基于OFBiz的幸福树采购管理系统,并对幸福树采购管理系统进行技术分析,对其使用的OFBiz框架的特色部分——MVC模式、与EAI服务器的集成、实体引擎(entity engine)、服务引擎(service engine)的具体实现进行了详细研究.最后,指出了OFBiz框架适合应用于与幸福树具有相同企业战略目标的企业,具有一定的现实意义.     

空间数据模型发展综述

介绍了各发展阶段的典型空间数据模型,从商业软件和模型的标准化两个方面阐述了空间数据模型的发展现状。在综合现有理论和成果的基础上,总结了当前空间数据模型发展的不足以及今后的发展趋势。     

基坑的双排桩支护设计及变形规律

以济南市槐荫区某基坑工程进行双排桩支护设计为例,分别采用有限差分数值软件中弹塑性实体单元和线性桩单元模拟开挖-支护-施工全过程,且考虑桩土相互作用并进行三维动态分析。对基坑坡面水平位移、桩身弯矩、桩身剪力等变化规律进行研究,分析双排桩支护体系的受力机理。通过土体力学参数、桩径、桩长、桩距、连梁等设计参数对基坑变形影响的敏感性进行对比,并就“实体”和“结构”单元桩的计算结果进行比较。研究表明,模拟过程能较好展示双排支护桩施工过程的受力机理,且计算精度较高;不可控参数中土体的黏聚力、摩擦角以及可控因素中的桩身长度、排桩距离等对支护效果影响较大,计算结果可为双排支护桩设计参数选取提供参考。     

空间实体可视化组件的设计与实现

实体是空间虚拟战场的重要组成部分。在深入剖析卫星工具软件包STK实体模型格式的基础上,设计了相应的数据结构,包括图元、命令、关节动作等;解决了解码和绘制模型所需关键技术,包括逆命令机制、纹理处理等;最后按照组件对象模型规范对其进行了封装。所实现的空间实体可视化组件与其他组件一起构成空间场景控件,支持快速构建空间战场可视化系统。     

AutoCAD R14下LWPolyline线的实体数据

:通过对AutoCADR12和AutoCADR14中Polyline线实体数据的分析 ,提出了AutoCADR14中LWPolyline线处理的有效途径 ,它对R12下Polyline线处理的有关应用程序移植到R14下也具有现实意义     

Automatic Topic Detection Based on Document Concept Similarity

传统话题自动检测一般采用向量空间模型进行文本相似度计算,这种方法单纯依靠特征词进行话题检测,忽略了词之间的概念及由此而引发的概念相似度。针对此问题,文章首先对网络新闻文本进行事件元素提取,并将事件元素特征词分解为概念集合,通过计算概念集合的内积空间得到词之间的相似度,进而根据词相似度计算文本相似度,最后根据概念相似度计算实现话题的自动检测。实验结果表明,本方法能够有效提高话题检测的准确率和召回率。     

电网故障处置预案文本中的命名实体识别研究

电网故障处置预案是电网故障处置的重要参考,对电网故障处置预案文本中各类电力设备、名称编号等细粒度的关键实体信息进行抽取,是实现计算机学习理解预案内容并进一步支撑故障处置智能化的重要基础。文中提出一种基于深度学习的电网故障处置预案文本命名实体识别技术,首先采用字向量表征预案文本,然后将注意力机制以及双向长短期记忆网络相结合,有所侧重地提取实体词深层字符特征,最后采用条件随机场求解最优序列化的标注。算例表明:文中所提预案文本命名实体识别模型不依赖人工特征,能够自动高效地提取文本特征,准确识别预案文本中细粒度的实体词,满足预案文本中关键实体信息精确定位和识别的要求。