利用提示调优实现两阶段模型复用的关系实体抽取方法

关系实体抽取旨在从非结构化文本中识别命名实体并抽取实体间语义关系,现有的两阶段关系实体抽取方法存在模型无法复用、调优参数量大等问题,不便于工程实现。利用提示调优对已有方法进行改进,提出两阶段模型复用的关系实体抽取方法REPT（a model-reused method of two-staged relations and entities extraction with prompt tuning）。首先微调预训练语言模型进行关系分类,而后利用提示调优并复用前一阶段微调的预训练语言模型抽取实体。实验结果表明,该方法在调优参数只占基线模型约50%的情况下,达到与SOTA模型相媲美的性能。     

利用提示调优融合多种信息的低资源事件抽取方法

针对现有流水线式事件抽取方法依靠大量训练数据、在低资源情况下难以快速迁移运用等问题,利用提示调优技术,提出适用于低资源场景下的流水线式事件抽取方法（low-resource event extraction method using the multi-information fusion with prompt tuning,IFPT）。该方法通过构造语义映射和提示模板充分利用事件类型描述、实体类型等多种信息,能够高效使用有限训练数据,流水线式地完成事件检测和论元抽取。实验结果表明,在低资源情况下,IFPT方法论元抽取性能超过了所有基准模型,采取流水线方式能够达到与SOTA模型相媲美的性能。     

基于图的多层次注意力事实验证算法

事实验证任务要求能够从大规模的文本语料库中抽取相关的证据,并通过推理对给定的声明得出事实性的判断。现有的研究通常将检索到的证据拼接,然后比较声明和证据嵌入的余弦相似度,这些方法忽视了长距离证据之间的联系,以及不同层次的语义相似度,而这些特征对于推理验证至关重要。设计了一种基于图的多层次注意力模型（Graph-aware Hierarchical Attention Networks for Fact Verification,GHAN）。该模型首先通过BERT（Bidirectional Encoder Representation from Transformers）筛选出所需的证据片段,再利用卷积神经网络提取不同长度的[N]-gram特征,构造不同粒度的相似度转移矩阵提取相似度特征。为了综合考虑字符级别和句子级别的语义信息,将证据信息构建成信息融合图,再利用基于核函数的注意力机制进行信息传递与证据推理。该算法在FEVER数据集上取得较好的效果,优于其他基于BERT的方法。     

喷雾加湿器与家用散热器耦合作用研究

家用散热器是北方冬季采暖最普遍的末端装置,增强散热器的散热性能对减少供热能耗有重要意义。本文提出将喷雾加湿器与散热器组合利用,不仅有利于提高散热器的散热能力,而且加速了水雾的蒸发速度。本文搭建了散热器耦合喷雾加湿测试系统,研究了喷雾加湿对散热器性能的影响。实验结果表明,散热器近壁面环境温度与风速要远高于室内大空间温度,因此传统设计中以室内温度为基准不利于准确计算散热器的散热能力。喷雾加湿不仅能够降低散热器附近的局部环境温度,而且能够增大局部风速,提高散热器表面的传热系数,因此使散热器散热功率得到大幅提升,并且随着加湿量的增大,强化效果显著增强。该研究结果可为北方新型高效散热器的设计和应用提供参考。