基于海计算的智慧教室智能节点设计与实现

针对智慧教室整体系统能耗大,节点采集信息传送效率低的问题,提出了基于海计算的智慧教室架构模型,完成了智能节点的设计与实现.通过将物联网的海计算模式融入智慧教室中,并对物联网技术三层模型进行分析与改进,提出了两层结构的智慧教室架构模型;设计了加入MCU的智能节点,并组建了具有自主处理能力的智能节点网络.实验表明,基于海计算模式下的智慧教室可在传感器端实现对教室环境信息的采集、判断和控制;在采集数据准确率相对稳定的情况下,海计算模式下的智慧教室大幅降低了能耗以及信息传送丢包率,具有更好的适用性.     

词语情感倾向性识别

中文倾向性研究是针对文本内容获得有用的倾向性信息和知识,它已经成为自然语言处理的研究热点.本文首先分析了国内外关于倾向性的研究现状,然后重点介绍了情感词识别和情感词极性判别的方法和技术.同时在对现有的情感词极性判别技术的基础上,提出了一种基于改进的HowNet处理情感词极性判别的方法.实验结果表明,本方法在词语级上达到了较好的效果.     

几何操作的数据并行实现

为简化几何操作数据并行实现的复杂度,特别是简化几何操作中重采样数据并行实现的复杂度,提出了通过SIMD(Single Instruction Multiple Data)处理元阵列内的数据并行传送,而不是通常所采用的处理元阵列与阵列存储器之间的数据流传送实现几何操作的处理方法.讨论了几何操作正向映射的零阶内插与一阶内插的数据并行实现方法;几何操作反向映射的零阶内插与一阶内插的数据并行实现方法;以及正向映射与反向映射的3种特殊情况.结果表明,该方法使几何操作的数据并行实现方法的复杂性为O(M N),而不是数据流传送实现方法的O(MN),从而更好地满足了数字图像快速实时处理的需要.     

中文自动问答系统研究

中文自动问答系统是集知识表示、信息检索、自然语言处理技术于一体的研究课题。从问题处理、信息检索、答案抽取三个方面进行详细说明,同时分析了段落权重以及句子语义相似度的计算方法,在答案抽取阶段还阐述了利用话语结构树提取摘要信息的方法。     

预测修正下的动态数据传送机制

利用无线传感器网络中节点感知数据的相关性,提出了一种基于预测修正的动态数据传送机制.核心思想是:将数据预测与模型计算分离,接收节点先对数据进行平稳化处理,然后建立模型或动态更新模型,再把模型参数发送给采样节点.采样节点用精简的预测修正算法预测数据,通过比较法确定需要发送的采样数据,从而减少了数据传送的次数,延长了网络的生命期.仿真结果表明,所提算法可以滤除真实采样观测序列中83%的冗余数据,预测精度较一般预测算法提高了22%,它适用于能量约束性较强的无线传感器网络.     

可扩展路由器并行路由计算模型

分布式控制平面的并行路由计算性能是制约可扩展路由器大规模扩展的关键因素。根据反压理论建立了分布式控制平面并行路由计算模型,利用控制单元的队列长度信息判断每个控制单元的负载大小,自适应地调整控制单元间的负载分配,实现负载均衡。利用排队理论,根据损失率、系统利用率和服务等待时间这3个特征量对该模型进行了性能分析。用真实网络数据模拟验证理论分析的正确性。实验结果表明:与现有并行路由算法相比,该模型采用的反压任务分配算法能够根据控制单元的负载大小和控制单元数量自适应地均衡分配负载,有效地提高了可扩展路由器的并行路由计算性能和可扩展性。     

面向大数据应用的多层次混合式并行方法

基于很多大数据应用存在对数据进行多种并行处理的需求, 提出两层混合式并行方法, 即执行单元的混合并行和计算模型的混合并行. 通过在同一个计算节点上执行单元的混合并行, 充分挖掘基础设施的计算能力, 从而提高数据处理性能; 采用在同一个执行引擎中集成多个计算模型的并行方法, 以适合应用多样异质处理模式. 不同的混合并行方法可以契合不同的数据和计算特点, 以满足不同的并行目标. 介绍了混合式并行方法的基本思想, 并以前期开发的并行编程模型BSPCloud为基础, 阐述了进程和线程混合并行、BSP和MapReduce混合并行的主要实现机制.     

中文词语内部层次结构标注语料库的建立

针对现有中文自然语言处理研究多以词或者字符为单位,忽视了中文词的内部层次结构的问题,提出一种新的中文词内部层次结构定义标准.该标准定义了内部结构的节点类型和节点内部关系.在此基础上,进一步提出了中文词内部层次结构的标注规范,并且人工标注了含有带内部层次结构的53 918个中文词的词料库.该研究有望为后续的细粒度中文自然语言处理提供新思路.     

基于线性矩阵不等式的牵制控制策略分析

研究复杂动力学网络的同步牵制控制问题.通过引入牵制控制,对具有大规模节点网络中的小部分节点实施线性反馈控制策略,使得整个网络的所有节点均达到同步.针对一类一致连结的耦合复杂网络模型,采用线性矩阵不等式的方法给出了实施牵制控制达到同步的充分条件.该条件表明,选择牵制异质网络中度较大的节点可能更容易使得网络实现同步.特别地,对于特定的内部耦合矩阵和足够大的耦合强度,只要对网络中任一节点实施牵制控制就可以保证整个网络同步的实现.数值仿真验证了上述结论的有效性.     

调度命令无线传送在酒钢TMIS系统中的实现

调度命令无线传送系统是酒钢铁路运输综合自动化系统的核心子系统,本文针对该子系统中无线传送方式进行讨论实现,文中利用异步串行通讯端口的控制端(DSR)直接接收串行数字信号,不同于PC机串行通讯端口RS-232-C的常规标准,.用此方法成功地实现个人计算机直接接收无线寻呼信息。这种方法简单、可靠,可用于研制无线寻呼信号实时监测系统。     

融合小句对齐知识的汉英神经机器翻译

针对当前神经机器翻译在捕捉复杂句内小句间的语义和结构关系方面存在不足,导致复杂句长文本翻译的篇章连贯性不佳的问题,提出一种融合小句对齐知识的汉英神经机器翻译方法.首先提出手工和自动相结合的标注方案,构建大规模小句对齐的汉英平行语料库,为模型训练提供丰富的小句级别的汉英双语对齐知识;然后设计一种基于小句对齐学习的神经机器...     

无监督的句法可控复述模型用于对抗样本生成

针对使用句法可控的复述生成模型生成对抗样本时模型性能受限于复述平行语料的领域和规模的问题,提出仅需要单语语料训练的无监督的句法可控复述生成模型,用以生成对抗样本.采用变分自编码方式学习模型,首先将句子和句法树分别映射为语义变量和句法变量,然后基于语义变量和句法变量重构原始句子.在重构过程中,模型可以在不使用任何平行语料...     

多语种自然语言生成系统中的语言模型

介绍了在多语种自然语言生成系统中如何用统一的模型来表示各种语种的语言知识。本文将语言知识分为语义资源和语法资源两个部分。前者通过Ｓｃｈｅｍａ和优化规则确定文本的内容;后者根据子结构类,句法规则和词典确定文本的具体形式。该模型以复杂特征集为语言知识的载体,将表示抽象语义的数据扩展为生成不同语种文本所需的语言资源。     

复述平行语料构建及其应用方法研究

以汉语为研究对象,提出构建大规模高质量汉语复述平行语料的方法.基于翻译引擎进行复述数据增强,将英语复述平行语料迁移到汉语中,同时人工构建汉语复述评测数据集.基于构建的汉语复述数据,在复述识别和自然语言推理任务中验证复述数据构建及其应用方法的有效性.首先基于复述语料生成复述识别数据集,预训练基于注意力机制的神经网络句子匹...     

基于Bi-LSTM 的多层面隐喻识别方法

以双向长短期记忆网络(Bi-LSTM)为核心,结合多层卷积神经网络以及单向长短期记忆网络构建了多层面隐喻识别模型.基于多特征协同作用的思想,利用依存关系特征、语义特征、词性特征等多特征融合输入方法,丰富了模型的学习信息.为降低信息干扰,利用基于统计学的规范化文本输入方法提升模型识别效果.在英文语料词层面和句层面实验中,各个特征均表现出明显的正向作用.裁剪和填充处理及多特征协调作用在英文语料词层面研究中使F_1值分别提升2.5%和5.1%,在句层面研究中F_1值分别提升3.1%和1.9%.在中文语料句层面实验中,最优效果的F_1值可达88.8%.     

汉语单句谓语中心词识别知识的获取及应用

在基于实例的机器翻译(EBMT)的语句相似度研究中,确定谓语中心词以把握句子的整体结构是至关重要的。以标注了谓语中心词的3000句汉语单句作为训练集,将候选词本身的语法属性以及上下文环境作为该候选词的归类特征,通过建立统计决策树模型获取谓语中心词的识别知识。应用统计决策树进行了谓语中心词的自动识别,并获得了较为满意的测试结果。     

一种基于句子分割的文法自动推导算法

信息咨询口语对话系统中的领域文法规则往往需要专家来人工设计。该文针对一种面向汉语口语的上下文无关增强文法,提出了一种基于句子分割的文法自动推导算法。其基本思想是:用初始规则集对训练例句进行分析,若不能得到完整的语法树,则先对分析结果进行消歧和归一化,然后根据顶层成分递归地推导出缺少的规则,并更新已有的规则集。为了提高最终文法的性能,在例句处理顺序和规则更新上对算法基本流程做了改进。在天气预报查询领域进行了实验,结果文法的句法分析准确率在初始规则集为空时达到了64.8%,在初始规则集只包含日期相关规则时达到了86.4%。     

基于支持向量机的日语并列关系解析

日语并列关系是日语依存关系的一种.传统的日语依存关系解析不特殊解析并列关系,识别并列关系较为困难.为此提出一种日语并列关系解析方法:基于支持向量机(SVMs)识别并列关键字,如果存在并列关键字,基于SVMs解析句中的并列关系,并将并列关系解析结果用于随后的依存关系解析.用京都大学语料库进行测试,结果表明并列关系解析与依存关系解析均取得较高的正确率.     

结构特征一致性约束的双语平行句对抽取

平行句对抽取是解决低资源神经机器翻译平行语料不足的有效途径.基于孪生神经网络的平行句对抽取方法的核心是通过跨语言语义相似度判断2个句子是否平行,在相似的语言对上取得了非常显著的效果.然而针对英语东南亚语言双语句对抽取任务,面临语言空间和句子长度存在较大差异,仅考虑跨语言语义相似度而忽略句子长度特征会导致模型对仅有语义包含关系但不平行句对的误判.笔者提出一种结构特征一致性约束的双语平行句对抽取方法,该方法是对基于孪生神经网络的双语平行句对抽取模型的扩展,首先通过多语言BERT预训练语言模型在嵌入层将两种语言编码到同一语义空间,以此缩小语义空间中语言的差异.其次分别对两种语言句子的长度特征进行编码,与孪生网络编码后的句子语义向量进行融合,增强平行句对在语义及结构特征上的表示,降低模型对语义相似但不平行句对的误判.在英缅双语数据集上进行实验,结果表明提出的方法相比基线模型准确率提高了4.64％,召回率提高了2.52％,F1值提高了3.51％.     

一种基于词典和长度相结合的汉-维句子对齐算法

提出了一种汉-维句子对齐混合算法,它是以基于词典的方法为主、基于长度的方法为辅的一种混合对齐算法.目的在于建立一个以汉文-维文平行语料库及面向政府文献的汉-维机器翻译为应用背景的,实用汉-维句子对齐系统.