基于图卷积神经网络的中文实体关系联合抽取

现有实体关系联合抽取方法未充分考虑中文句子中实体关系的复杂结构特征,为此,提出一种基于图卷积神经网络（GCN）的中文实体关系联合抽取方法。在双向长短时记忆网络抽取序列特征的基础上,利用GCN编码依存分析结果中的语法结构信息,借鉴改进的实体标注策略构建端到端的中文实体关系联合抽取模型。实验结果表明,该方法的F值可达61.4%,相比LSTM-LSTM模型提高了4.1%,GCN能有效编码文本的先验词间关系并提升实体关系抽取性能。     

城市低碳交通发展政策与技术研究

该文有针对性地从交通产生的机理出发,指出基础设施资源与居民出行需求之间的落差,正是全国广大城市发展过程中出现不同程度拥堵、能耗及安全问题的主要原因。以"公交优先"战略为切入点,综合分析了通过交通政策,智慧交通,以及规划设计三种研究思路的瓶颈,并结合单元城市的发展模式和智能城网技术,从构建职居平衡的用地布局和空间结构出发,提出了发展智慧低碳公交和慢行系统的城市低碳交通发展政策思路。     

区域能源系统规划理论与创新对治理空气质量和合理用能的影响

结合国内外区域能源规划方法进行综述,并重点针对国家能源规划、城市能源规划、社区能源规划、单体建筑能源解决方案四个层面的区域能源规划方法进行了文献综述与方法整理,分析各种方法的特色,优劣及适用范围等,并从能源总量、供需平衡、能源结构和能源技术探讨了未来区域能源规划的思路和方法,为新型城镇化建设中的能源节约和合理化利用提供了科学的理论基础。     

三种情景下煤化工产业碳排放量及强度分析

为了研究煤化工产业碳排放量和排放强度,参考国内外研究中普遍采用的碳排放核算方法,选用实测排放因子,计算分析了2005—2015年煤化工行业的CO_2排放量。运用情景分析法,以产品为视角,设置3种发展情景,预测了2020年煤化工行业的碳排放量及排放强度。结果表明:2005—2015年,煤化工CO_2排放量年均增长8.12%;情景一、二、三下,CO_2排放量及碳排放强度依次增加;到2020年,情景一的减排潜力为正,情景二、三的潜力均为负。说明单纯调整产品结构对提高煤化工行业的减排潜力非常有限。还需要综合运用多种减排措施如提高能源效率、加大清洁技术比例、配套去碳化技术等来提高行业减排潜力。