基于双向门控循环单元和双重注意力的实体关系抽取

实体关系抽取在文本信息抽取中起着关键的作用。针对卷积神经网络出现文本数据特征丢失,循环神经网络梯度消失与长期依赖等问题,提出了一种基于双向门控循环单元和双重注意力的命名实体关系抽取方法。采用基于中文汉字n元笔画信息的词向量训练模型cw2vec和双向门控循环单元的方法,通过前向和后向传播的方式解决因遗忘而丢失句子特征信息的问题,再加入句子级别和字级别的注意力机制提高模型的精确度。实验表明,相比无注意力或单重注意力机制的方法,使用cw2vec模型训练的词向量库加上双向门控循环单元和双重注意力模型的准确率有所提高。     

一种基于依存句法图的中文实体关系抽取模型

针对中文关系抽取中的数据稀疏和数据噪声问题,提出了基于最短依存路径的图卷积神经网络(DSP-GCN)模型。在输入层使用BERT模型对文本进行表示学习,更好地表达文本的语义,减少文本噪声的产生和传播;对于长文本实体间距离较长而导致的梯度消失问题,使用句法依存图对模型进行改善,以提高模型的抽取效果。在SemEval 2010和人物关系语料集上进行了实体关系抽取实验,验证了所提出模型的有效性。     

基于注意力机制优化的BiLSTM珠江口水质预测模型

为提高珠江口水质预测精度和稳定性,提出了基于时间和特征双注意力机制优化的BiLSTM水质预测模型,引入特征注意力机制强化模型捕获参数重要特征能力,加入时间注意力机制提高对时间序列相关性信息及水质波动细节信息的挖掘能力.将新模型应用于珠江8个入海口水质预测,开展预测性能试验、泛化能力试验和特征参数扩展性试验.结果表明:①新模型在珠海大桥水质预测取得了较高的预测精度,预测值与实测值的均方根误差RMSE为0.004 1 mg·L^-1,决定系数R²为98.3 %.与Multi-BiLSTM、Multi-LSTM、BiLSTM和LSTM对比,表明新模型预测精度最高,验证了模型的精准性.②训练样本数量和预测步数均对模型预测精度产生影响,模型预测精度随着训练样本的增加而提升,海珠大桥断面总磷预测时,240组以上训练样本可获得较高预测精度;增加预测步数,会使模型预测精度迅速下降,预测步数大于5步时无法保障模型预测的可靠性.③将新模型应用于珠江8个入海口不同水质指标预测,预测结果均取得较高精度,模型具有较强的泛化能力;输入对象断面预测指标相关联的上游来水、降雨量等特征参数,能够提高模型预测精度.通过多方面多次试验,结果表明新模型能够较好地满足珠江口水质预测精度、适用性和扩展性要求,为复杂水动力环境水体水质高精度预测进行了新的探索.     

基于注意力机制优化的LSTM河流溶解氧预测模型研究

溶解氧(DO)是水体中的重要水质指标,构建数据驱动模型,实现对溶解氧的准确预测,将为水环境管理提供科学有效的技术手段. 考虑到溶解氧序列数据非线性强、非平稳性突出的特点,提出一种基于双阶段注意力权重优化机制的长短时记忆网络(long short-term memory, LSTM)的河流溶解氧预测模型(DAIW-LSTM模型),该模型的编码器包含双阶段权重优化的空间注意力机制,而解码器包含双阶段权重优化的时间注意力机制. 将该模型应用于流溪河流域白云李溪坝、流溪河山庄、从化街口等水质监测站溶解氧日均值预测的研究,开展了该模型与DA-LSTM、LSTM、Bi-LSTM等基线模型的预测效果对比分析,探讨了特征权重优化机制及上游站点水质数据输入对模型预测性能的影响. 结果表明:①通过与基线模型的预测效果对比,验证了DAIW-LSTM模型的精准性,其对白云李溪坝站溶解氧预测的对称平均绝对百分比误差(SMAPE)、平均绝对误差(MAE)、均方误差(MSE)分别为0.075、0.611、0.712,在所有模型中最优. ②对于新的注意力权重优化机制,第二阶段会对第一阶段的初步权重进行优化修正;针对pH、电导率、水温、气温等影响溶解氧预测的重要特征,DAIW-LSTM模型会自适应调整其权重在时间序列上的分布,从而提高该模型的预测精度. ③加入上游水质特征的输入影响,通过9个组合试验对比可知,DAIW-LSTM模型仍然为表现最佳的模型,该系列组合试验也证明上游站点及其特征变量选取的重要性. 研究显示,注意力权重优化机制的引入使得该模型相较其他基线模型展现出更好的适用性和精准性,可为地表水水质预测研究提供新思路.      

融合主题模型与注意力机制的情感分析方法

随着深度学习技术的深入研究,越来越多的深度神经网络模型被运用于情感分析任务。针对现有模型不能较好地表征词语的上下文信息,且存在数据稀疏与特征不明显等问题,提出了一种基于主题模型和注意力机制的情感分类方法,通过LDA模型提取主题特征,并将主题特征和文本特征融合在一起。为了捕获文本情感极性转变的语义信息,从而抽取出文本的最佳情感极性,该方法采用基于CBOW方式的Word2vec模型训练词向量,将带有主题特征的词嵌入矩阵通过Bi-LSTM神经网络模型获取文本的上下文信息,结合注意力机制进一步提取文本信息,再通过softmax线性函数输出积极情感和消极情感的概率。结果表明,该方法在情感分析(NLPCC-SCDL)评测任务的中文数据集上取得了较好的分类效果。     

基于注意力机制的HDC-BiGRU海表温度预测模型

海表温度（sea surface temperature,SST）是研究全球气候变化的重要地球物理参数,SST的精确预测对全球气候变化、海洋环境和渔业发展具有重要意义。为了提高SST的预测精度,基于时空特征的提取方法,本文提出具有注意力机制的HDC-BiGRU混合模型（HDC-BiGRU-AT,由编码器和解码器构成）,可以预测7天的SST。在模型编码阶段,混合空洞卷积（hybrid dilated convolution,HDC）能够提取SST的空间特征,双向门控循环神经网络（bidirectional gated recurrentunit,BiGRU）能够捕获SST的时序特征。通过加入注意力机制,对输出信息分配不同的权重（重要信息分配更高的权重系数）,进而实现信息编码,在解码阶段可以提高模型的预测精度。选取我国东海和南海海域的二维SST数据进行建模,实验结果表明,HDC-BiGRU-AT模型的误差指标值均低于已有的方法,充分验证了所提方法的可行性、有效性。     

一种具有多尺度感受视野注意力机制的生活垃圾单阶段目标检测方法

生活垃圾种类繁杂,传统垃圾分选工艺的效率及精确度较低,为提高多尺度、不同材质垃圾的检测精度,同时保证垃圾分类的鲁棒性,基于现有深度卷积神经网络和单阶段目标检测算法YOLOv3,提出具有多尺度感受视野注意力机制的ECA_ERFB_s-YOLOv3算法.首先在算法检测器前引入多尺度感受视野模块,使算法能选择合适的感受视野对...     

基于注意力机制及Ghost-YOLOv5的水下垃圾目标检测

水下垃圾的目标检测技术对水下机器人实现垃圾自动清除有着重要意义。然而,复杂的水下环境和水底光线不足,易导致检测精度受限、计算量大等问题。针对这些问题,提出了一种基于YOLOv5的水下垃圾目标检测的改进算法。在该方法中,在预处理部分引入Gamma变换提高水下图像的灰度和对比度,便于模型检测。同时,在YOLOv5检测部分嵌入CBAM注意力机制,以突出目标特征并抑制次要信息,从而提高算法精度。此外,将颈部层中的普通卷积模块替换为Ghost卷积模块,减少计算量,加快检测速度。采用真实环境下的水下垃圾数据集进行模型验证,与当前热门的目标检测算法进行对比,该方法在分辨率为640×640的图像上的最高检测精度为93.7%,且计算时间仅为6.7 ms,满足实时性的要求。该研究成果对水下垃圾的目标检测具有良好的借鉴意义。     

皖北地区乡村稀释化特征、影响因素及形成机制——基于城乡关系的视角

乡村稀释化是指城乡关系失衡下乡村人口持续减少、社会活力凋敝、人居空间不断被稀释的过程,是我国快速城镇化进程中乡村空间问题的动态化呈现,是新时代乡村地理学亟待深化研究的课题。基于城乡关系视角,从人口活力、土地利用和社会活动三个维度对皖北地区乡村稀释化进行测度,综合运用空间自相关、地理加权回归、地理探测器等方法,揭示皖北地区乡村稀释化时空特征、影响因素及形成机制。结果表明:(1)近10年皖北地区乡村稀释化呈现出阶段性加速化过程、多维度差异化状态、集聚性分异化空间格局等特征;(2)人均水资源量、农业从业人口密度、贫困发生率、城乡居民收入差异系数、单位乡村小学在校生人数、每万农村居民村卫生室医生数等要素对皖北地区乡村稀释化影响显著;(3)在特定城乡关系背景下,基于区域本底条件,城市系统的控制引导与乡村系统的被动响应共同推动了乡村稀释化的形成和蔓延。科学认知乡村稀释化,可为乡村振兴与城乡融合发展精准施策提供理论指导。     

基于文本文件的可拓数据挖掘方法研究

本文介绍了可拓学理论与可拓数据挖掘技术的基本概念与基本方法,并将可拓数据挖掘技术用于“5·12”汶川地震空间电离层电场文本数据文件的处理.利用自行开发的数据挖掘软件进行数据分类,在震前10天数据中,得到了2个关联度异常文件,并计算了挖掘知识的支持度与可信度.     

基于特征融合的区域生态环境动态监测研究

以1993、2000、2006和2013年4期遥感影像为主体数据源,选取山西省翼城县为实验区,利用遥感和GIS的技术手段对研究区生态环境进行动态监测和评价。为了更好地体现和突出图像中的纹理特征,满足矿区土地利用和生态环境状况调查解译精度的要求,在HIS小波融合的基础上,通过选取每个像元的特征向量并对其进行主成分分析,将获得的主成分作为高频系数融合规则权重来对原图像进行融合处理,并在此基础上将结果应用于生态环境要素提取和生态环境状况评价中。结果表明:该方法的标准差与信息熵最大,均值适中,在抑制光谱信息扭曲和提高图像清晰度等评价参数上优于其他方法;与1993年相比较,2013年高植被覆盖度区域减少了9 240.87 hm2,中度植被覆盖区域增加了14 036.44 hm2,中度、强度和极强土壤侵蚀面积分别增加了2 955.2、4 850.9和278.43 hm2;实验区生态环境质量指数由37.5上升到40.7,2013年又下降到了33.1,表明了20年间生态环境质量呈现出先改善后恶化的局面。     

二氧化碳的吸收方法及机理研究

随着温室效应的日益严重,人们对二氧化碳的处理吸收给予了越来越多的关注.对于如何选择吸收量大、吸收速率快的吸收剂的研究,从来没有间断过.介绍国内外现有的二氧化碳的吸收方法,包括物理吸收法、膜吸收法、O2/CO2燃烧法、化学吸收法等,分析各种方法的特点及优缺点,指出有机胺吸收技术是目前较优势的方法.对伯胺、仲胺、叔胺及混合胺等有机胺吸收CO2的机理进行了分析和探讨,并根据吸收机理,采用多原子氮有机胺TETA与MEA、DEA、TEA进行混合实验,给出了初步的实验结果.     

高校党建工作与人才培养融合机制研究

目前高校党建工作在人才培养中的引领作用以及基层党支部战斗堡垒作用发挥不够,党建工作与人才培养存在相互脱节的现象。从牢牢把握党对高校意识形态主导权的现实需要等方面分析高校党建工作与人才培养相互融合的内在逻辑,提出构建党建工作在人才培养中的思想政治引领机制等实践路径,建立高校党建工作与人才培养融合机制,使高校党建工作与人才培养同频共振,实现高校党建工作成效和人才培养质量双提升。     

基于信息融合技术的矿山环境综合评估方法

研究矿山环境因素对人心理、生理和行为的影响效应,提出一种基于信息融合技术的矿山环境综合评估方法。该方法主要通过实践调查,分别从亮度、温度、声音三个方面分析了矿山环境对人的心理、生理和行为产生的影响,并结合矿业生产的实际情况,采用信息融合技术,将传感器测得的环境数据经过特征值提取后,作为BP(Back Propagation)神经网络的输入,对数据进行训练,利用BP网络强大的非线性映射能力,对矿山环境做出综合评估。最后,通过仿真试验显示所得结果与现场实际情况基本吻合,从而验证了该方法的有效性,为矿山环境评价提供了有效的综合评估方法。     

环境治理市场化问题研究

当前,环保市场呈现推动PPP和环境污染第三方治理模式的趋势,在市场秩序、税收政策、绿色金融和技术研发等几个方面,环保企业面临着一些障碍和共性问题。本文回顾了我国环境保护市场化改革历程,系统分析了推进市场化的难点,并提出若干政策建议,包括完善第三方治理运作机制、完善环境治理的经济政策、大力发展绿色金融等。