CGGA:一种CNN与并行门控机制混合的文本分类模型

针对中文文本分类准确率低、单一的卷积神经网络模型难以提取多方面特征的问题,本文提出一种基于CNN的并行门控机制的混合文本分类模型——CGGA(Convolutional Neural Network with parallel gating unit and attention mechanism).利用卷积提取文本的局部特征,并加入双向门控循环单元对数据进行上下文数据建模,提取关系特征,同时,引入门控Tanh-ReLU单元进行进一步的特征筛选,从而控制信息向下层流动的力度,并且减轻梯度弥散,提高模型分类准确率.最后,使用多头注意力机制进行权重更新计算,以提高在相应文本类别上的输出,进而优化模型分类性能.实验结果显示,本文提出的文本分类模型和分类算法,在THUCNews数据集和搜狐数据集上,比基线模型的宏平均精确率分别提高了2.24%、6.78%.     

钼的化学性质和地球化学特性及其找矿意义

通过对钼的化学性质、地球化学特性及找矿意义的归纳分析,揭示了钼作为地球上的稀有金属的高温成矿特性,其工业用途也是基于元素的化学性质展开的科研成果。钼的地球化学性质与其电子层结构有关,主要表现为亲铁性,在自然界形成的矿物主要为辉钼矿,其相对稳定,但在1亿～2．5亿年地质历史的风化剥蚀过程中,作为类质同像混入物的钼从长石等矿物晶格中逐步解离,形成水系沉积物迁移。而土壤（岩屑）风化物质则残留原地。在进行地球化学找矿过程中,需认真分析水系沉积物和土壤风化残积物的关系,在水系沉积物异常≥5×10^-6、土壤（岩屑）异常≥10×10^-6的范围内,具一定规模的工业钼矿床即可被发现。近10年来,我国发现和探明的一系列超大型、大中型斑岩型钼矿床的客观事实就是最好例证。