基于并行卷积网络信息融合的层级多标签文本分类算法

自然语言处理是人工智能与机器学习领域的重要方向,它的目标是利用计算机技术来分析、理解和处理自然语言。自然语言处理的一个重点研究方向是从文本内容中获取信息,并且按照一定的标签体系或标准将文本内容进行自动分类标记。相比于单一标签文本分类而言,多标签文本分类具有一条数据属于多个标签的特点,使得更难从文本信息中获得多类别的数据特征。层级多标签文本分类又是其中的一个特别的类别,它将文本中的信息对应划分到不同的类别标签体系中,各个类别标签体系又具有互相依赖的层级关系。因此,如何利用其内部标签体系中的层级关系更准确地将文本分类到对应的标签中,也就成了解决问题的关键。为此,提出了一种基于并行卷积网络信息融合的层级多标签文本分类算法。首先,该算法利用BERT模型对文本信息进行词嵌入,接着利用自注意力机制增强文本信息的语义特征,然后利用不同卷积核对文本数据特征进行抽取。通过使用阈值控制树形结构建立上下位的节点间关系,更有效地利用了文本的多方位语义信息实现层级多标签文本分类任务。在公开数据集Kanshan-Cup和CI企业信息数据集上的结果表明,该算法在宏准确率、宏召回率与微F1值3种评价指标上均优于主流的...     

基于扩展有限元的钢结构钻孔止裂研究

通过以ABAQUS为平台,采用扩展有限元方法对钢结构钻孔止裂进行数值模拟,同时对循环载荷下止裂孔应力应变状态进行分析,对疲劳裂纹钻孔止裂处理机理进行了深入研究。研究表明,扩展有限元法分析疲劳裂纹扩展再生及钻孔止裂技术时不需要预先指定裂纹扩展方向,无须重新剖分网格,克服了常规有限元方法的弊端,为复杂形状裂纹问题提供了更优的解决方法;止裂孔减小了孔边应力集中部位的平均应力,延长了疲劳裂纹在止裂孔边的再生寿命;当止裂孔直径取为0.4倍疲劳裂纹长度时可以获得较好止裂效果,对钻孔止裂理论的研究具有一定参考意义。     

城市复杂环境下基坑土石方爆破振动控制研究

以武汉南国昙华林基坑土石方爆破工程为背景,介绍了城市复杂环境下建筑基坑土石方爆破工程中爆破振动的控制措施。重点研究了不同装药结构和开挖减震沟对爆破振动峰值的影响,并对现场试验监测的数据进行了分析。结果表明:选择两层装药时测点的振动峰值明显小于连续装药时的振动峰值,振动降低率为18.7%;减震沟降低爆破振动效果明显,同一测点的振动峰值降低率为30.5%。在城市复杂环境下实施基坑土石方爆破,改良装药结构和开挖减震沟可以有效降低爆破振动。