基于门控联合池化自编码器的通用性文本表征

为了学习文本的语义表征,以往的研究者主要依赖于复杂的循环神经网络(recurrent neural networks, RNNs)和监督式学习方法。该文提出了一种门控联合池化自编码器(gated mean-max AAE)用于学习中英文的文本语义表征。该文的自编码器完全通过多头自注意力机制(multi-head self-attention mechanism)来构建编码器和解码器网络。在编码阶段,提出了均值—最大化(mean-max)联合表征策略,即同时运用平均池化(mean pooling)和最大池化(max pooling)操作来捕获输入文本中多样性的语义信息。为促使联合池化表征可以全面地指导重构过程,解码器采用门控操作进行动态关注。通过在大规模中英文未标注语料上训练模型,获得了高质量的句子编码器。在重构文本段落的实验中,该文模型在实验效果和计算效率上均超越了传统的RNNs模型。将公开训练好的文本编码器,使其可以方便地运用于后续的研究。     

鸭儿峡志留系变质岩油藏油水分布及控制因素研究

鸭儿峡志留系是一个以千枚岩为储层的变质岩潜山油藏，该潜山高、中、低部位相差近千米，但各处都有油和水产出，其油水分布违反常态。本文研究认为：该潜山油气分布具窝团状特征，显示物性油藏特点；在各含油窝团内部，平面的中间部位和剖面的高部位油多水少，而边部和钻进潜山较深的部位，则含油变差、含水及产水较多。出现这种油水分布的原因，在于储层发育尤其裂缝发育具含油窝团中间和上部较好、向下向外逐渐变差的特征。     

定向凝固空心叶片制壳工艺的改进

分析了在先进发动机定向凝固空心叶片熔模精密铸造生产中出现两种缺陷的性质和产生原因，从壳型制造工艺方面提出了改进措施，提高了叶片合格率。     

用电磁搅拌提高20g钢·埋弧自动焊焊缝质量

本研究工作的目标是提高20g钢埋弧焊焊缝质量,采用外加双向脉冲同轴(纵向)磁场有效的搅拌焊接熔池,可以细化焊缝金属的一次结晶组织,减小化学不均匀性,提高焊缝金属的塑性和韧性,提高冷弯角合格率。本文着重讨论了电磁搅拌的工作原理。     

词义消歧相关术语简介

词义消歧是计算语言学领域的基础性关键研究课题。本文介绍了与词义消歧相关的一些重要术语概念,包括词义消歧、词义区分、基于词典的词义消歧方法、有监督的词义消歧方法、词义标注语料库等。     

焊接电弧的等离子流力

以试验为基础，分析了直流ＴＩＧ电弧阳极热斑表面等离子流力的径向分布，数学表达式，电弧长度及电流的影响，阐述了该力在整个电弧机械作用力中的地位。     

数据采集与变频调速在插销裂纹试验机上的应用

针对插销裂纹试验机加裁过程波动大，影响试验结果的问题，利用数据采集技术记录插销所经历的热循环和裁荷历程，通过采集卡的数字输出通道控制继电器的通断，从而改变变频器的输出电压相位，达到控制插销试验机电机转向的目的；对于试验过程中给定的载荷设定值，系统根据等比关系将其模糊化成几个区间，并确定当前采集到的载荷的所在区间，根据区间的不同，赋予采集卡的模拟输出通道一变化电压值，将其输出到变频器，最终控制电动机的转速。试验结果表明，加载过程实现了自动化和平稳化，并且在栽荷设定值处没有超调量。     

信息技术课“只借不给”

"老师,你下午的信息课能给我吗?我想用来向孩子们交待明天秋游的注意事项。"一班主任老师向我要课。"能不能用别的课?"我不愿给,暗示她,"你看能不能用自己的课与别的老师调一下?""下午就三节课,一节数学,一节英语,都是要考试的科目,只能用你的     

模拟退火遗传算法的轮廓线拼接研究

基于断层数据的三维重构是三维数据场可视化技术的主要研究内容,重构物体的三维模型也是分析、仿真的前提.应用模拟退火遗传算法设计和实现了三维物体表面重建算法.通过在遗传算法中融人退火处理操作,提高了种群的多样性,避免了遗传算法中存在的早熟收敛问题,有效地增强了算法的全局寻优能力.此外,提出了一种基于边的最小交叉多边形算法,提高了交叉操作效率.根据轮廓线拼接问题的特点,设计了针对性强的交叉、变异操作.实验结果表明,算法有效地提高了传统的全局法轮廓线拼接算法的效率.     

基于词汇语义特征的中文语义角色标注研究

语义角色除了受句法结构限制之外,同词汇的语义特征也有着紧密的内在联系。对于一些仅依靠句法分析不能很好解决的角色标注问题,如句法结构相同的两个成分所对应的角色分别为完全不同的施事、受事角色的情况,可以通过引入一些词汇语义特征来进行处理。该文基于北京大学的语义词典CSD,引入了配价数、主客体语义类等词汇语义特征来进行语义角色标注研究。10折交叉验证的结果显示,通过引用词汇语义特征,所有角色标注的总体评价F值比单纯使用句法特征上升了1.11%,而其中Arg0和Arg1角色标注的F值达到93.85%和90.60%,比仅使用句法特征进行角色标注分别提高了1.10%和1.26%。