基于度量学习的意图识别和槽填充方法

人机对话中小样本学习场景下的意图识别和槽填充,是自然语言处理的一个重要课题.本文采用基于度量学习的方法,通过计算query set中的样本与support set中样本的距离,寻找距离最近的类别样本作为分类标签,同时将两个任务联合进行训练,用以提升模型的效果.从实验结果中可以得出,本文提出的Fine-tune方法,对意图识别和槽填充任务都有一定的帮助和提升.胶囊网络在意图识别中也起到了一定的效果,可以帮助去除一部分无关信息,但对槽填充任务的帮助不明显;而任务自适应的投影网络,可以更好地将不同类的向量分开,提升了两个任务的性能.     

低-超低渗透砂岩油藏水驱采收率影响因素权重分析

针对主观赋权法在确定低-超低渗透砂岩油藏水驱采收率影响因素权重时存在主观随意性,客观性较差的问题,本文应用85个低-超低渗透砂岩油藏实际样本,结合大量科研和现场认识筛选了影响水驱采收率的9个重点因素,并根据客观赋权法更客观、精确的计算出低-超低渗透油藏水驱采收率影响因素的具体权重。研究表明低-超低渗透油藏水驱采收率影响因素中,注水开发效果指标影响权重最大,其次为储层物性,流体性质影响最小。     

计及Spark和属性权重的售电套餐推荐方法

针对电力市场用户群庞大，交易过程中售电套餐选择困难的问题，在Spark环境下设计了一种售电套餐推荐方法，同时也解决了售电套餐推荐过程中在大数据环境下的可扩展性及实时性问题。首先，计算出每个套餐属性的权重值，从而计算得到售电套餐综合相似度。然后，计及用户和套餐两方面提出一种售电套餐推荐方法，实现售电套餐的精准推荐。实验表明，提出的推荐方法能够明显提高推荐的准确度，并且在分布式环境下具有良好的推荐效率和可扩展性。     

基于LDA的英汉维文本聚类系统的设计与实现

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。     

基于小样本下统计不确定性的边坡可靠度Bootstrap-BC_a方法

传统方法对小样本下的岩土抗剪强度参数估计区间较宽,会导致工程设计偏于保守,为此,提出一种考虑测量数据统计不确定性的边坡可靠度分析Bootstrap-BC_a法。该方法在Bootstrap的基础上加入偏差修正量■和加速量a,进一步校正了置信区间的端点值,提高了估计精度。在保证样本容量和变异性一致的条件下,对比分析Bootstrap-BC_a法和Bootstrap法在95%置信水平下的置信区间以及相对应的安全系数估计值。结果表明:Bootstrap-BC_a法能够有效收窄区间宽度且保证率下限值更趋近实际值;Bootstrap-BC_a法计算所得边坡安全系数均值相对较大,离散型更小,且与样本容量成正比,与安全系数方差成反比;3种变异水平的安全系数均值都随着样本容量n的增大而增大,而安全系数方差则逐渐减小,且大变异水平下计算所得安全系数均值更大。     

采用聚类方法对彩色图象进行色彩压缩

ＶＧＡ（ＴＶＧＡ）能够显示１６～２５６种彩色，而真实图象却拥有丰富得多的彩色，本文借鉴模式识别中的聚类方法对真彩色图象进行色彩压缩，使之在ＶＧＡ上显示最逼真的画面。另外，采用该方法还可以实现同屏显示多幅彩色图象。     

由切片重建样本的三维形态

利用计算机的计算及绘图功能，实现了由平面切片重建组织和器官等样本准确的三维空间图像。提出了最大内切圆法和投影积聚法两种三维重建的算法，解决了应用二维切片重建三维空间立体图的要求，使得研究更加直观、可靠。     

吴雄寺村:一个农村信息化的样本

农村信息化是改造我国传统农业和农村的重要内容。为了适应北京农村信息化发展的需要，解决信息服务的“最后一公里”，繁荣农村经济和村民生活，探索一条如何利用信息和信息技术解决“三农”问题的道路，在科技部、北京市科委、北京市计委和市农委等部门的大力支持下，2003年起，国家农业信息化工程技术研究中心（北京农业信息技术研究中心，以下简称中心），在北京市顺义区吴雄寺村建立了农村信息化示范村。     

洪量计算及样本选取

根据洪水流量过程的特点，对离散的流量资料，使用三次样条函数拟合。拟合后使离散的流量资料点据变成连续光滑的流量过程。在此基础上，以数学分析的方法，对洪水过程进行计算处理，使用计算机对洪水的各种时段洪量进行分析选样