基于关系触发词与单层GRU模型的关系抽取方法

基于关系触发词与单层门控循环单元模型进行关系抽取, 以降低关系抽取模型结构的复杂度, 并提高模型的训练效率. 通过计算单词的依存距离与序列距离得到关系触发词, 利用单层门控循环单元模型进行关系抽取, 并在SemEval 2010 Task 8数据集上进行实验. 实验结果表明, 该方法能有效提取出关系触发词, 并具有较高的关系抽取准确率.     

基于Bert和卷积神经网络的人物关系抽取研究

通过构造人物关系数据集,将人物关系定义为14类,提出了基于Bert-BiGRU-CNN的人物关系抽取网络模型.该模型首先通过Bert预训练模型获取上下文语义信息的词向量,利用双向门限循环单元网络(BiGRU)进一步获取相关的文本特征,然后加入卷积神经网络(CNN)获取局部文本特征,最后通过全连接层加Softmax分类器进行关系分类.在构造的人物关系数据集中进行了实验,结果表明,本文模型相较于其他4种模型进一步提高了人物关系抽取的精确率和召回率.     

基于概念图谱与BiGRU-Att模型的突发事件演化关系抽取

针对现有突发事件演化关系抽取方法仅利用了句子本身的信息而忽略了背景知识的问题,引入概念图谱进行特征拓展,以获得更多的语义信息来改善演化关系抽取效果。首先根据概念图谱构建突发事件语义网络,通过特征迭代选择算法获得演化因子的概念特征,然后联合概念特征与突发事件文本作为双向门控循环单元(BiGRU)模型的输入进行特征学习,并利用注意力(Attention)机制对输出的特征信息序列实施加权变换,最后将学习到的特征序列输入到分类器进行演化关系分类。实验结果表明,所提出的基于概念图谱与BiGRU-Att模型的方法相比于现有方法,在准确率、召回率和F_1值等评价指标上均有提升。     

融合门控机制的远程监督关系抽取方法

提出一种融合门控机制的远程监督关系抽取方法。首先在词级别上自动选择正相关特征, 过滤与关系标签无关的词级别噪声; 然后在门控机制内引入软标签的思想, 弱化硬标签对噪声过滤的影响; 最后结合句子级别的噪声过滤, 提升模型的整体性能。在公开数据集上的实验结果表明, 相对于句子级别噪声过滤方法, 所提方法的性能有显著提高。     

面向中文基础教育知识图谱的关系抽取模型

在构建中文基础教育知识图谱过程中,使用远程监督的方法能够有效解决训练语料匮乏的问题,同时使用神经网络模型能够提升构建过程中关系抽取的准确率.为了缓解远程监督中引入的错误标签带来的影响,模型通过双向门限循环单元(bidirectional gated recurrent unit)获取双向上下文中的语义信息,同时引入句子层注意力机制,动态降低噪声数据的权重.在基于中文信息技术教材教辅和百度百科的基础上构建的知识库上的关系抽取实验表明,引入句子层注意力机制能够促进模型的关系抽取效果,模型的准确率相比于中文主流关系抽取方法提高了4%～5%,能更好地应用于知识图谱的构建.     

基于ENCODER_ATT机制的远程监督关系抽取

在信息抽取中,关系抽取是一项准确识别自然语言中实体间关系的关键技术。针对关系抽取模型中容易丢失关键语义特征问题及远程监督的基本假设容易引入噪声数据的问题,本文提出一种基于远程监督的ENCODER_ATT关系抽取模型。基于循环神经网络构造的ENCODER模型在以词级别进行特征记忆提取,并在句子层面进行语义特征信息整合,保证不遗失关键语义特征的同时去除冗余特征。然后在句子层面引入了注意力机制来降低噪声数据对实验结果的影响。在真实的数据集上进行实验,并绘制准确率-召回率曲线,实验结果表明ENCODER_ATT模型对比同类型的关系抽取方法有明显的提升。     

基于并行双向门控循环单元与自注意力机制的中文文本情感分类

在基于深度学习的文本情感分类研究领域中,目前传统的模型主要是序列结构,即采用单一的预训练词向量来表示文本从而作为神经网络的输入,然而使用某一种预训练的词向量会存在未登录词和词语语义学习不充分的问题。针对此问题,提出基于并行双向门控循环单元（gated recurrent unit,GRU）网络与自注意力机制的文本情感分类模型,利用两种词向量对文本进行表示并作为并行双向GRU网络的输入,通过上下两个通道分别对文本进行上下文信息的捕捉,得到表征向量,再依靠自注意力机制学习词语权重并加权,最后对两个通道的输出向量进行向量融合,作为输入进入全连接层判别情感倾向。将本文模型与多个传统模型在两个公共数据集上进行实验验证,结果表明本文模型在查准率、查全率、F₁值和准确率等性能指标上相比于双向门控循环单元网络模型、双向长短时记忆网络模型和双向门控循环单元网络与自注意力机制的单通道网络模型均有所提升。     

一种基于Bi-GRU的卫星对地观测 任务可调度性预测方法

针对现有卫星观测任务可调度性预测模型难以建模长时间间隔的观测任务依赖关系的问题,提出一种基于双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)的卫星对地观测任务可调度性预测模型.该模型以卫星历史规划方案作为学习样本,能够以较低计算代价较高准确率地预测出对地观测任务集合中可以被响应的子集.该模型首先通过多层全连接感知机神经网络提取任务属性间的关联关系,然后采用多组多层双向门控循环单元组成的循环神经网络提取观测任务与其前驱及后继观测任务序列的潜在时序特征,最后融合各组双向门控循环单元的预测结果,从而利用观测任务之间的正向与反向信息依赖关系提升任务可调度性预测准确度.实验结果表明,与现有主流预测模型相比,本文提出方法在准确率、精确率、召回率和F1分数等指标上分别提升了2.27％、2.36％、3.45％和2.37％.     

融合最近距离和人名窗口信息的人物关系抽取

主要针对中文网页语料研究人物关系抽取,提出一种融合最近距离和人名窗口信息的人物关系抽取方法。首先利用远程监督的方法构建人物关系库,提取关系候选语料,通过打分函数过滤掉语料中的噪音数据以提高语料质量;然后在卷积神经网络中引入最近距离,将词与人名之间的距离信息加入到网络中;在循环神经网络中以人名窗口内词向量代替整句词向量作为网络的输入。最后融合两部分网络信息并对网络模型进行训练。结果显示,该方法比传统基于SVM的中文人物关系抽取方法和一些其他的神经网络模型F1值提高3个以上百分点。     

基于卷积神经网络和双向门控循环单元网络注意力机制的情感分析

传统的情感分析方法不能获取全局特征,以及否定词、转折词和程度副词的出现影响句子极性判断.在深度学习方法基础上提出了基于卷积神经网络和双向门控循环单元网络注意力机制的短文本情感分析方法.将情感积分引入卷积神经网络,利用情感词自身信息,通过双向门控循环网络模型获取全局特征,对影响句子极性的否定词、转折词和程度副词引入注意力机制实现对这类词的重点关注,提取影响句子极性的重要信息.实验结果表明,该模型与现有相关模型相比,有效提高情感分类的准确率.     

含羧基乳胶粒子体系的流变性质与碱增稠机理

采用流变学实验数据分析乳胶粒子体系的致粘机理. 认为普通硬球型乳胶粒子体系的 致粘机理与聚合物链段的亲水性有关. 聚合物链段的亲水性越强, 普通硬球型乳胶 粒子体系的粘度越大. 在酸性介质中, 含羧基乳胶粒子体系的致粘机理与普通硬球型乳胶 粒子体系一致. 但在碱性介质中, 含羧基乳胶粒子体系呈现碱增稠现象, 认为这种碱增稠 现象是由粒子间氢键形成的桥式结构所致, 这一观点与早期的“乳胶粒的溶胀乃至溶解 ”的推断不同.     

PBA/PMMA核-壳型乳液的制备及性能研究

以丙烯酸丁酯(BA)为单体,过硫酸钾(KPS)为引发剂,通过无皂乳液聚合进行了聚丙烯酸丁酯(PBA)核体的合成,并以此为种子乳液,制备PBA/PMMA核/壳结构乳液;讨论了引发剂量及水油比对种子乳液粒径及粒径分布的影响,以及PBA/PMMA核壳比对复合乳液的粘度、粒径、粒径分布的影响。通过激光粒度仪及透射电子显微镜对核/壳粒子的形态结构进行了表征。     

丙烯酸甲酯对羧基氯丁胶乳聚合体系的影响

研究了丙烯酸甲酯（MA）对聚乙烯醇为乳化剂的氯丁二烯和甲基丙烯酸乳液共聚合的影响。结果表明,共聚单体MA的加入量为30%时,氯丁胶乳制备过程中体系的黏度从约1.36Pa·s降低到0.10Pa·s左右;乳胶粒的平均粒径随着MA含量的增加逐渐减小。根据聚合过程中体系黏度和粒径变化规律提出在MA存在下,分散聚合机理占主导地位。     

乳胶渗透蒸发膜的制备

以苯乙烯、丙烯酸乙酯为单体进行乳液聚合,将聚合获得的乳胶直接浇铸制取乳胶渗透蒸发膜。研究了乳液聚合中各成分如：单体配比、分散介质、交联剂、乳化剂及引发剂对乳胶膜机械性能及渗透蒸发分离性能的影响,得出较为理想的配方。     

球形气泡在匀速粘性液体中引起的伪湍动

为改进在势流假设下获得的伪湍动表达式,该文在考虑液体粘性的基础上,简化匀速粘性液体绕球体的速度场,运用单元系综平均方法对流场进行处理,得到球形气泡在匀速粘性液体中引起的伪湍动关系式。该关系式表明伪湍动与空泡率成正比,并随颗粒R eyno lds数的增大而趋近势流结果。数据对比结果表明:在低空泡率、中等颗粒R eyno lds数的条件下,该表达式能比势流模型更准确地描述球型气泡在匀速粘性液体中引起的伪湍动。     

LIPN聚氨酯/聚丙烯酸酯引发体系的研究

探讨了各种引发体系对ＬＩＰＮ聚氨酯（ＰＵ）／聚丙烯酸酯（ＰＡ）合成过程的稳定性、粒子形态及单体转化率的影响。实验表明采用油溶性引发剂ＡＩＢＮ可得到粒子均一,稳定性好且单体残留量很少的乳液;其粒子形态为“翻转”型核壳结构     

高能固体推进剂药浆流动性的研究

采用测定浓悬浮体系稳态粘度的方法,研究了固体氧化剂HMX粒度级配和金属燃烧剂铝粉球形化对高能固体推进剂药浆流动性的影响,在固体含量为73％～75％的配方中,保持AP,Al含量及粒度分布不变,随着粗/细HMX比例的增加,体系的表观粘度下降,药浆流动性改善,在保持HMX和AP含量及粒度分布不变的情况下,用球形铝粉代替粒状铝粉,同样起到降低药浆表观粘度的作用,且中位径d_(50)越小越明显.同时观察到加入的燃速催化剂具有催化固化反应进行,使推进剂药浆的表观粘度不断增加的作用.进一步证实所加入的燃速催化剂与固化催化剂之间具有交互作用。     

溶剂热法制备无皂聚苯乙烯纳米胶乳粒子

在密封条件下，运用溶剂热法，用过硫酸钾引发苯乙烯均聚，制备出粒径范围为26nm-45nm的无皂聚苯乙烯胶乳纳米粒子，讨论了引发剂的用量、丙酮与水的体积比对粒子大小及其分散度，聚合反应的转化率的影响，实验结果表明：在一定浓度范围内随着过硫酸钾用量的增加，粒子粒径先减小后增大，分散度先增大后减小；丙酮用量增加，粒子粒径变大，分散度变小，聚合反应的速率减小。     

考虑启动压力梯度的面积井网极限井距计算

低渗透储层具有低孔、低渗特征,其孔隙结构异常复杂,表现出非达西渗流,存在启动压力梯度现象。本文在归纳总结启动压力梯度的表现形式基础上,得出启动压力梯度应综合反应储层和流体特性,即应与流度存在相应的关系。并选取某油田盐膏层间低渗透致密岩心,通过实验研究,得出了启动压力梯度与流度之间的关系式。在考虑启动压力梯度情况下,推导出直井、水平井极限井距计算公式,研究直井极限井距与渗透率、生产压差之间的关系。并通过控制变量法,研究了水平井长度、岩石渗透率、流体粘度、生产压差对水平井极限井距的影响,得出相应的图版。且在研究单口直井、水平井极限井距的基础上,扩展到不同类型井网组合井距的计算。最后通过实例结果验证,此方法简单、实用,对确定低渗透储层合理井网井距具有重要的指导意义。     

增塑剂和乳化剂对乙基纤维素水分散体制备的影响

用相转变法制备乙基纤维素水分散体,研究结果表明,随着乳化剂用量的增加,水分散体的粒径和粘度均呈先下降后减小的趋势。固化速率随着增塑剂含量的增加而下降。