宝钢3号高炉计算机系统的RAS性能设计

在宝钢３号高炉计算机系统的开发过程中十分注意系统ＲＡＳ性能设计。本文介绍了３号高炉计算机系统设计中，为提高系统的ＲＡＳ性能所采取的各种对策。     

Effects of Ultrasonic Vibration on Material Flow and Thermal Cycles in Friction Stir Welding of Dissimilar Al/Mg Alloys

Comparative experiments are performed in friction stir welding (FSW) of dissimilar Al/Mg alloys with and without assistance of ultrasonic vibration. Metallographic characterization of the welds at transverse cross sections reveals that ultrasonic vibration induces differences in plastic material flow in two conditions. In FSW, the plastic material in the peripheral area of shoulder-affected zone (SAZ) tends to flow downward because of the weakening of the driving force of the shoulder, and a plastic material insulation layer is formed at the SAZ edge. When ultrasonic vibration is exerted, the stirred zone is divided into the inner and outer shear layers, the downward material flow trend of the inner shear layer disappears and tends to flow upward, and the onion-ring structure caused by the swirl motion is avoided in the pin-affected zone. By improving the flow behavior of plastic materials in the stirred zone, ultrasonic vibration reduces the heat generation, accelerates the heat dissipation in nugget zone and changes the thermal cycles, thus inhibiting the formation of intermetallic compound layers.

     

NDN-1型氮氧化物脱除催化剂的评价及应用

对NDN-1型氮氧化物脱除催化剂进行了实验室性能评价,并与进口催化剂A及国产催化剂B进行了比较,结果表明,NDN-1型催化剂的化学组成、结构、性能均优于进口催化剂A。介绍了该催化剂在南京帝斯曼东方化工有限公司工业应用的情况。     

基于传播模拟的消息流行度预测

社交网络中的消息流行度预测问题对于信息推荐和病毒式营销等应用具有重要意义。该文提出了一种基于传播模拟的消息流行度预测方法,首先使用最大熵模型学习并预测用户转发消息的概率,然后使用独立级联传播模型在真实的社会网络上模拟消息的传播过程,从而完成消息流行度的预测。该方法的优点在于更充分的利用了社会网络的结构和用户特征信息。该文在Twitter数据集上的实验结果表明,相对于基准方法,该文提出的方法具有更高的准确率和稳定性。     

Factors influencing magnetic polymer microspheres prepared by dispersion polymerization

Magnetic iron oxide (Fe₃O₄) was prepared by a coprecipitation method. Core–shell composite magnetic polymer microspheres with carboxyl groups were synthesized by the dispersion polymerization of styrene and acrylic acid in the presence of magnetic oxide, and dibenzoyl peroxide was used as an initiator. The synthesized magnetic polymer microspheres were characterized with X‐ray diffraction, transmission electron microscopy, scanning electron microscopy, Fourier transform infrared spectroscopy, and so forth. The results indicated that the product was single‐phase Fe₃O₄, and its average size was about 10 nm. The configuration of the microspheres, which contained carboxyl groups, was spherical, and the average size was about 2 μm. The results of vibrating sample magnetometry tests showed that the magnetic powders produced by different surfactants had different saturation magnetizations. When poly(ethylene glycol) with a weight‐average molecular weight of 4000 was used as a surfactant, the saturation magnetization of the samples reached 69.2 emu/g. The factors that affected the shape, magnetism, size, and distribution of the microspheres were also studied. © 2007 Wiley Periodicals, Inc. J Appl Polym Sci 2007     

面向在线顾客点评的属性依赖情感知识学习

该文研究属性依赖情感知识学习。首先提出了一个新颖的话题模型,属性观点联合模型(Joint Aspect/Opinion model, JAO),来同时抽取评论实体属性及属性相关观点词信息。在此基础上,对于各个属性,构造属性依赖的词关系图,并在该图上应用马尔科夫随机行走过程来计算观点词到少量褒、贬种子词的游走时间(Hitting Time),进而估计这些词的属性依赖的情感极性分值。在餐馆点评数据上的实验表明所提出的方法能有效抽取属性相关观点词,同时有效估计其属性依赖的情感极性分值。     

预测信息传播中的转发选择

在信息传播中,用户在重复接收同一信息的情况下其转发行为会具有一定的倾向性。对这种转发的倾向性建模是影响力分析、传播动力学、社会推荐等一系列信息传播相关应用研究领域中的一个关键问题。本文假设用户的转发选择行为主要由用户间的人际影响力决定。人际影响力的大小由信息传播者的影响力和信息接收者的易感性共同作用。本文从真实的信息传播记录中推断出用户隐式的影响力和易感性,进而提出了一种转发选择模型。该模型能够有效解决目前方法存在的对转发选择行为建模不充分和模型泛化能力差的问题。本文选取典型的转发选择建模方法作为比较,将所提的转发选择模型在新浪微博数据上进行对比验证。实验表明,本文所提的模型在两种评价指标上均取得更好效果,证明了所提模型的有效性。     

基于概率交易模型的线下百货推荐

该文提出了一种新颖的概率交易模型PTM,针对线下百货进行个性化的推荐。传统的推荐模型,如K-近邻算法、矩阵分解等,或者仅利用局部的数据,使得模型面临线下数据极大的稀疏性挑战,或者忽略百货数据中的交易维度,使得模型损失了同一交易中多商品共现的强相关信息,最终导致它们在面对线下百货推荐问题时性能低下。针对以上的问题,本模型从交易的维度出发,建模交易记录中的共现模式,并利用全局的交易数据来学习商品的相关分量,在此基础上推断出用户的兴趣分布,实现个性化的推荐。在真实的线下百货交易数据上的实验结果表明,该模型能够极大地提高线下百货领域个性化推荐的准确性。
     

用于文本分类的局部化双向长短时记忆

近年来,深度学习越来越广泛地应用于自然语言处理领域,人们提出了诸如循环神经网络(RNN)等模型来构建文本表达并解决文本分类等任务。长短时记忆(long short term memory,LSTM)是一种具有特别神经元结构的RNN。LSTM的输入是句子的单词序列,模型对单词序列进行扫描并最终得到整个句子的表达。然而,常用的做法是只把LSTM在扫描完整个句子时得到的表达输入到分类器中,而忽略了扫描过程中生成的中间表达。这种做法不能高效地提取一些局部的文本特征,而这些特征往往对决定文档的类别非常重要。为了解决这个问题,该文提出局部化双向LSTM模型,包括MaxBiLSTM和ConvBiLSTM。MaxBiLSTM直接对双向LSTM的中间表达进行max pooling。ConvBiLSTM对双向LSTM的中间表达先卷积再进行max pooling。在两个公开的文本分类数据集上进行了实验。结果表明,局部化双向LSTM尤其是ConvBiLSTM相对于LSTM有明显的效果提升,并取得了目前的最优结果。     

基于情感词向量的微博情感分类

该文提出了一种基于情感词向量的情感分类方法。词向量采用连续实数域上的固定维数向量来表示词汇,能够表达词汇丰富的语义信息。词向量的学习方法,如word2vec,能从大规模语料中通过上下文信息挖掘出潜藏的词语间语义关联。本文在从语料中学习得到的蕴含语义信息的词向量基础上,对其进行情感调整,得到同时考虑语义和情感倾向的词向量。对于一篇输入文本,基于情感词向量建立文本的特征表示,采用机器学习的方法对文本进行情感分类。该方法与基于词、N-gram及原始word2vec词向量构建文本表示的方法相比,情感分类准确率更高、性能和稳定性更好。