航空发动机故障实体识别方法及应用

故障实体识别是自主获取航空发动机故障知识的基础，对实现航空发动机故障智能诊断起到至关重要的作用。为准确快速搭建航空发动机大规模故障知识库，在定义了“单元”“故障状态”“表征信号”“检查方法”和“解决措施”5种航空发动机故障实体类型的基础上，初步构建了一种以Bert BiLSTM CRF模型为基础的航空发动机故障实体识别方法。基于某型航空发动机大规模数据集分析抽取了故障实体，搭建了滑油压力异常故障知识图谱，验证了该方法识别航空发动机多源异构故障数据的有效性。     

SGML语言的短引用及其实现

本文介绍了ＳＧＭＬ语言中的短引用的有关性质、特点和用法等信息，同时还介绍了短引用的实现方法。     

个性的解放与束缚

人的个性解放过程是一个充满矛盾的过程，个性的解放和束缚在一定历史时期是不可分割的矛盾统一体．真正实现个性的解放的前提是生产力的高度发达，社会生活的高度民主化．另外，个体要客观地面对现实，有理性地控制自我欲望，尤其是物欲和权利欲，进行自我调整，从而获得某种心理的平衡．     

论技术实在

真正的技术实在不仅包括以人工制品形式存在的技术实体,而且还包括虚拟技术、技术活动和技术效用。也就是说,它不只是一种实体存在,而且是一种活动与过程实在,还是一种关系实在。在整个活动过程中,渗透了人的目的、意志、需求和利益,参入了社会诸种复杂因素。既有客观性,也有主体性。是既存与建构的统一。     

一种基于 Hownet 的词向量表示方法

针对基于预训练得到的词向量在低频词语表示质量和稳定性等方面存在的缺陷, 提出一种基于Hownet的词向量表示方法(H-WRL)。首先, 基于义原独立性假设, 将 Hownet中所有N个义原指定为欧式空间的一个标准正交基, 实现Hownet义原向量初始化; 然后, 根据Hownet中词语与义原之间的定义关系, 将词语向量表示视为相关义原所张成的子空间中的投影, 并提出学习词向量表示的深度神经网络模型。实验表明, 基于Hownet的词向量表示在词相似度计算和词义消歧两项标准评测任务中均取得很好的效果。     

结合上下文词汇匹配和图卷积的材料数据命名实体识别

材料领域的文献中蕴含着丰富的知识, 利用机器学习和自然语言处理等手段对文献进行数据挖掘是研究热点. 命名实体识别(named entity recognition, NER)是高效利用挖掘和抽取数据中信息的首要步骤. 为了解决现有实体识别方法中存在的向量表示无法解决一词多义、模型常提取上下文特征而忽略全局特征等问题, 提出了一种基于上下文词汇匹配和图卷积命名实体识别方法. 该方法首先利用 XLNet 获取文本的上下文动态特征, 其次利用长短期记忆网络并结合文本上下文匹配词汇的图卷积神经网络(graph convolutional network, GCN)模型分别获取上下文特征与全局特征, 最终经过条件随机场输出标签序列. 2 种不同语料对模型进行验证的结果表明, 该方法在材料数据集上的精确率、召回率和 F1 值分别达到 90.05%、88.67% 和 89.36%, 可有效提升命名实体识别的准确率.     

基于注意力机制的远程监督实体关系抽取

关系抽取是许多信息抽取系统中的一个关键步骤, 旨在从文本中挖掘结构化事实. 在应用传统的远程监督方法完成实体关系抽取任务时存在 2 个问题: ① 远程监督方法将语料库中的文本与已标注实体和实体间关系的知识库启发式地对齐, 并将对齐结果作为文本的标注数据, 这必然会导致错误标签问题; ② 目前基于统计学的方法过于依赖自然语言处理工具, 提取特征处理过程中生成的噪声积累严重影响抽取结果. 为了解决远程监督存在的弊端, 提出了一种基于注意力机制的端到端的分段循环卷积神经网络(convolutional neural network, CNN)模型. 为了检测更加细微的特征, 在网络输入层添加了注意力机制, 自动学习句子中与关系抽取相关的内容; 基于位置特征和词向量特征对句子进行编码, 并使用分段卷积神经网络(piecewise CNN, PCNN)抽取句子特征进行分类, 在网络中使用了效率较高的最大边界损失函数来衡量模型的性能. 该方法在 New York Times (NYT)数据集上的准确率比经典的 PCNN+MIL 模型提高了 2.0%, 比经典的 APCNN+D 模型提高了 1.0%, 与其他几种基线模型相比, 该模型准确率表现出色.     

多模态语义协同交互的图文联合命名实体识别方法

针对现有多模态命名实体识别（Multimodal Named Entity Recognition,MNER）研究中存在的噪声影响和图文语义融合不足问题,本文提出一个多模态语义协同交互的图文联合命名实体识别（Image-Text Joint Named Entity Recognition,ITJNER）模型。ITJNER模型加入图像描述作为额外特征丰富了多模态特征表示,图像描述可以帮助过滤掉从图像特征中引入的噪声并以文本形式总结图像语义信息;还构建了多模态协同交互的多模态语义融合模型,可以加强多模态信息融合,并减少图像信息的语义偏差。在Twitter-2015和Twitter-2017数据集上进行方法实验,分析实验结果并与AdaCAN、UMT、UMGF、Object-AGBAN等方法进行对比。相较于对比方法中的最优方法UMGF,本方法在Twitter-2017数据集上的准确率、召回率、F1值分别提高了0.67%、2.26%、0.93%;在Twitter-2015数据集上,召回率提高了0.19%。实验结果验证了本方法的有效性。     

论建筑设计表现中的整体与局部关系

根据目前彩色建筑画中经常出现重视局部弧立刻画，或拘泥于技法表现的倾向，论述了在彩色建筑画创作中必须整体把握画面效果，统筹安排、主次分明、重点突出等规律性问题。结合创作实践对整体与局部的关系作了深入分析，并就如何进行色调的控制与搭配，应用造型规律塑造形体空间，以及有序的形式美处理等构成整体感等几个因素，做了阐述与探索。     

一个高效率电算化帐务处理系统数据模型的建立和实现

在传统的科目汇总表式帐务处理程序的基础上，建立了一个通用的、高效率的电算化帐务处理数据模型，并对基于该数据模型的电算化帐簿体系、该数据模型的建立及实现过程进行了详细的描述和分析