排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
为从网络媒体文本中快速、准确提取灾害三元组信息,利用自然语言处理(NLP)技术,研究灾害三元组信息抽取应用及其算法优化。通过双向编码器表示(BERT)预训练语言模型,应用于地质灾害三元组信息提取的实例中,针对模型由于底层多头注意力(MHA)机制会导致“低秩瓶颈”问题,对此,通过增大模型key-size对其进行优化。结果表明:所提方法能够显著提升从新闻报道等文本中提取地质灾害种类、发生地点、发生时间等关键信息的容错率及精准率;可得到对地质等灾害空间分布情况和趋势的分析,进而为预案编制、应急资源优化配置、区域监测预警等灾害应急管理工作提供科学分析和决策信息支持。 相似文献
2.
3.
为科学地评估并及时控制城市燃气管网泄漏的风险,采用贝叶斯网络(BN)与地理信息系统(GIS)相结合的方法,建立燃气管网泄漏风险动态计算模型。首先,利用故障树(FT)系统地分析管网泄漏事故,考虑到管网服役时间和外界干扰事件的动态性,将建成的FT映射到BN中,进而动态计算燃气管网的泄漏概率;然后运用GIS技术对管网泄漏后果的严重度指标进行赋值,并将动态泄漏概率和后果严重度值结合,建立上述模型;最后,以某区域的燃气管网为研究对象,验证该模型的有效性。结果表明:该模型能够综合时间因素以及突发事件对管网泄漏的影响,实现对管网泄漏风险的动态计算和可视化显示。 相似文献
4.
为提取灾害性新闻中的基本要素,迅速掌握灾害事件信息和发展趋势,将目标分类和命名实体识别(named entity recognition,NER)相结合,提出改进的灾害新闻3要素提取方法。构建滑动窗检测器搭载不同的分类模型,实现对新闻文本的灾害主题识别与时空位置要素范围判定,结合命名实体识别完成对时空位置要素的精准提取,并以灾害事故信息文本为例进行测试。研究结果表明:通过在火灾、地震和滑坡新闻中进行数据集中测试,发现本文方法相较于LSTM,BILSTM,BILSTM-CRF提取效果更优;本文方法可对大量灾害性新闻的灾害3要素进行识别提取,对灾害信息进行时空规律分析,研究结果可在灾害应急响应中发挥重要作用。 相似文献
1