钛石膏基可控低强度材料强度及体积稳定性研究

为了解决钛石膏综合利用率低、消耗不足以及道路回填工程中传统回填不密实或存在结构死角的问题,以钛石膏为原料制备钛石膏基可控低强度材料(CLSM)。采用无侧限抗压强度试验方法和体积稳定性试验方法,研究了建筑渣土取代率、水固比、钛石膏掺量与激发剂掺量等因素对CLSM抗压强度和体积稳定性的影响,并通过XRD、SEM对其性能变化的原因进行分析。试验结果表明:CLSM早期强度随着建筑渣土取代率的增加而增大,但是膨胀率有所下降;增大水固比则会降低强度,膨胀率随之增加;而增大钛石膏掺量,CLSM的强度与膨胀率均会降低,当钛石膏掺量为70%(质量分数)时,CLSM体积呈收缩趋势,且在14 d时收缩率基本达到最大,而生石灰掺量的增加,则会改善CLSM的收缩,起到一定的补偿收缩作用。     

蒸养条件下硅酸三钙(C3S)水化热动力学特性研究

采用传统的固相烧结法制备了C3 S矿物相,基于Parrot-Killoh(PK)水化动力学模型和GEM-Selektor软件研究了蒸养条件下C3 S水化热动力学特征,并与试验结果进行对比分析.结果表明:蒸汽养护能够明显促进C3 S前期的水化,但会抑制其后期的水化,且养护温度越高,这种现象越明显,当水化至90 d龄期时,五种养护条件下的C3 S水化程度基本相同.养护温度的升高对C-S-H凝胶中CaO与SiO2的物质的量比(C/S)的影响不大,但会降低H2 O与SiO2的物质的量比(H/S).而GEM-Selektor软件在模拟计算养护温度对C/S的影响时结果较为准确,对H/S的模拟计算无论是在数值大小还是变化趋势上误差都较大.     

ABAFN: 面向多模态的方面级情感分类模型

通过方面术语提取和方面级情感分类任务提取句子中的方面-情感对,有助于Twitter,Facebook等社交媒体平台挖掘用户对不同方面的情感,对个性化推荐有重要的意义. 在多模态领域,现有方法使用2个独立的模型分别完成2个子任务,方面术语提取提取句子中包含的商品、重要人物等实体或实体的方面,方面级情感分类根据给定的方面术语预测用户的情感倾向. 上述方法存在2个问题：1）使用2个独立的模型丢失了2个任务之间在底层特征的延续性,无法建模句子潜在的语义关联;2）方面级情感分类1次预测1个方面的情感,与方面术语提取同时提取多个方面的吞吐量不匹配,且2个模型串行执行使得提取方面-情感对的效率低. 为解决这2个问题,提出基于多模态方面术语提取和方面级情感分类的统一框架UMAS. 首先,建立共享特征模块,实现任务间潜在语义关联建模,并且共享表示层使得2个子任务只需关心各自上层的网络,降低了模型的复杂性;其次,模型利用序列标注同时输出句子中包含的多个方面及其对应的情感类别,提高了方面-情感对的提取效率. 此外,在这2个子任务中同时引入词性：利用其中蕴含的语法信息提升方面术语提取的性能;通过词性获取观点词信息,提升方面级情感分类的性能. 实验结果表明,该统一框架在Twitter2015,Restaurant2014这2个基准数据集上相比于多个基线模型具有优越的性能.