面向招投标领域的远程监督实体关系抽取研究

招投标网站资源中蕴含着丰富的情报信息。“远程监督”方法借助知识库自动标注数据,弥补了传统信息抽取方法在语料准备阶段对人工强依赖的缺陷,可有效提高信息抽取效率。该方法会引入噪声数据,导致信息抽取效果不够理想。因此,提出一种基于因子图模型的远程监督实体关系抽取方法,并结合领域特征,采用知识融合技术提高实体抽取质量,进而针对远程监督的缺陷提出基于负例数据学习的降噪方法。实验结果表明,该方法能够有效减少“噪声”干扰,提高关系抽取性能。     

金融领域的事件句抽取*

事件句抽取是事件抽取中的核心环节,而在金融领域中,公司名识别则是事件句抽取中的重点和难点。从金融领域的事件句抽取出发,首先充分利用互联网搜索和上市公司名信息进行公司名识别：如果一个N元组是公司名,则进行互联网搜索,其结果中包含“公司”、“集团”等字词多,同时和已经的公司名有较高的匹配度。其次,综合考虑句子位置信息、包含公司名信息、包含领域动词信息、与标题相似度四个方面特征,构造权值表达式。最终从句子集中选出金融事件句。实验表明,公司名识别方法的正确率可达82.28%,召回率达68.93%;事件句抽取的正确率可达66.83%。     

无人机小目标检测综述

在无人机技术的驱动下,无人机小目标检测成为当前计算机视觉领域的一个热点和难点。为理清当前无人机小目标检测的发展现状,首先介绍了两种小目标的定义形式,并分析总结出目前无人机小目标检测所面临的难点。之后总结当前常用的无人机小目标检测方法,并在每一个方法后面总结分析了其优缺点。接着总结了每种方法在其论文所实验的数据集上的表现结果。然后对部分常用无人机目标数据集进行了介绍。最后总结了全文并提出了未来能够提升无人机小目标检测性能的研究方向。     

数据挖掘在乙二醇反应中的应用研究

我国煤制乙二醇技术近年来发展迅速。乙二醇总产能加速突破,其在聚酯、防冻液、炸药等工业领域应用广泛。乙二醇作为基本化工原料,其下游反应网络复杂,下游产品的多元化发展引起了研究人员广泛关注。通过利用高通量数据挖掘技术探索乙二醇相关化学反应,分析QM9数据集中的组分数据,成功构建出91766个乙二醇作为反应物的化学反应和4个乙二醇作为产物的化学反应。随后基于知识图谱思想构建了乙二醇反应计算平台,利用化学反应网络增强分子之间的关联,丰富下游产品的结构。全部反应数据及代码均已开源,期望可以为乙二醇下游产品多元化研究提供便利,为乙二醇下游产业发展提供参考。     

可持续闭环供应链网络的多目标优化研究

针对可持续的闭环5供应链网络优化问题,考虑柔性供应策略、设施改造对网络优化的影响,并以经济成本最小、碳排放量最低、社会效益最大为优化目标,构建了多目标的多情景-模糊优化模型。针对模型中的不确定参数,用三角模糊数与多情景优化的方法处理其模糊性和随机性,然后根据不同的分析角度,分别用线性加权法和NSGA-[Ⅱ]算法对模型进行求解,基于算例的求解结果,对目标权重的灵敏度、模型的稳健性以及目标间的冲突性进行了分析。证明了考虑柔性供应策略和设施改造问题的必要性;给出了闭环供应链网络设计的决策建议。     

HDFS平台上以能效为考量的小文件合并

为了解决Hadoop分布式文件系统(HDFS)平台上小文件的存在带来MapReduce程序运行能耗成本偏高问题,建立Hadoop节点集群的能耗模型进行分析推导,证明了在Hadoop平台上,存在能使程序运行能耗成本最低的最优文件大小,并在此基础上结合经济学边际分析理论提出一种基于能耗成本和访问成本考虑的最优文件大小判定策略. 此策略可以对存放在HDFS上的小文件合并进行效益计算,将小文件合并为成本最优文件大小以获得最佳收益. 通过实验证明了能效最优数据块大小的存在,并通过实验证明了成本和效益相结合利用边际分析理论来确定数据块大小的合理性和有效性.     

煤矿典型动力灾害知识库建设现状及发展方向

实现煤矿灾害的准确预警和煤矿信息化管理主要在于知识库的建设。首先分析了国内多领域知识库研究现状,对比了不同知识库的建设方法。基于本体模型常作为知识库建设的理论基础,在分析国内外煤矿典型动力灾害领域知识存储方式的基础上,对比分析了不同知识库的优缺点。通过分析国内外煤矿典型动力灾害知识库现状,本体理论及本体知识库建设方法,提出一种基于描述逻辑煤矿典型动力灾害OWL本体知识库的建设思路。最后对本体知识库建设存在的问题及未来的研究方向提出了建议。     

基于注意力机制和生成对抗网络的飞行器短期航迹预测模型

针对单一长短时记忆（LSTM）网络在航迹预测上无法有效提取关键信息以及难以精准拟合数据分布等问题,提出基于注意力机制和生成对抗网络（GAN）的飞行器短期轨迹预测模型。首先,引入注意力机制对航迹赋予不同的权重,以提升航迹中重要特征的影响力;其次,基于LSTM提取航迹序列特征,并经汇聚层汇集时间步长内所有的飞行器特征;最后,利用GAN在对抗博弈下不断优化的特性来优化模型,从而提高模型的准确性。相较于社会生成对抗网络（SGAN）,所提模型在处于爬升阶段的数据集上的平均位移误差（ADE）、最终位移误差（FDE）及最大位移误差（MDE）分别降低了20.0%、20.4%和18.3%。实验结果表明,所提模型能更精确地预测未来航迹。     

本体匹配中基于词义组合的词法分析算法

针对本体匹配中相似性词法分析算法的不足,提出一种基于词义组合的词法分析算法.该算法首先通过WordNet发现本体中单词的合适词义,并扩展它们,然后基于本体里的语义元素形式化的定义实体的词法信息标记,最后推理出实体词法信息间的包含关系.针对一组工业本体的测试结果表明该算法有助提高系统的覆盖率.     

致密低渗油藏压裂井网气驱深度学习预测模型

压裂井网气驱将油藏压裂与注气井网驱油结合,是当前致密低渗油藏提高采收率有效技术之一．水力裂缝及多相流动复杂性,使得基于精细油藏数值模拟的压裂井网气驱效果预测变得困难且耗时．提出一种基于均方根传播（root mean square propagation,RMSProp）深度学习的压裂井网气驱效果预测方法．通过建立压裂直井/水平井混合井网气驱数值模拟模型,引入高斯函数定量表征压裂水平井多级裂缝分布特征．利用正交试验筛选试验样本方案,自主编程实现数值模拟结果自动提取与数据处理,建立致密低渗油藏压裂井网气驱样本数据库．基于随机森林算法,筛选油藏地质、裂缝、生产等关键参数重要性特征,通过误差逆传播（back propagation,BP）神经网络、长短期记忆单元（long short-term memory,LSTM）、双向长短期记忆单元（bi-directional long short-term memory,BiLSTM）等深度学习算法,建立日产油、地层压力和采出程度预测代理模型,通过与油藏数值模拟对比,验证模型准确性．结果表明,BiLSTM算法在预测压裂井网气驱和压裂衰竭开发时效果最好...