基于多任务深度学习的文本情感原因分析

多任务学习利用不同任务之间的相似性辅助决策,与单任务学习相比,多任务学习能够利用更多的信息,从而可以弥补单任务学习信息利用不足的缺陷。本文选择NTCIR-ECA数据集中的中文和英文文本数据作为实验数据,以情感原因分析作为研究任务,提出了一种结合多任务学习和深度学习的模型MTDLM(multi-task deep learning model),实现不同语种下的情感原因分析。实验结果表明,在数据不平衡的情况下,MTDLM模型对英文语种的情感原因识别的最优F值为39%,优于单任务学习(F值为0)和传统基线模型(LR的F值为33%),从而验证了模型的有效性。     

合成氧化镁纳米片及其催化合成查尔酮性能

以氯化镁(MgCl_2)和尿素(CO(NH_2)_2)为原料,采用水热法制备了氧化镁(MgO)纳米片前驱体,并通过后续焙烧处理得到MgO多孔纳米片。采用扫描电子显微镜(SEM)、透射电子显微镜(TEM)、广角X-射线粉末衍射(XRD)、红外光谱(FT-IR)、热重(TG)以及氮气吸附-脱附(N_2 adsorption-desorption)等多种手段对前驱体以及MgO纳米片进行了表征。结果表明,得到的MgO呈二维片状结构,无杂相,晶化度高且尺寸均一。相比于商品化MgO纳米颗粒,该MgO纳米片表现出了较好的催化合成查尔酮性能,其产率可达60%。     

页岩气开采与集输过程中腐蚀问题与现状分析

页岩气是一种清洁的能源，在许多国家的能源战略中占据重要地位。美国、加拿大等国家页岩气开发技术较为成熟，位于世界领先地位，中国等国家起步较晚，但近年来发展迅速。随着页岩气的不断开采，井下管柱、地面管线及设备的腐蚀问题不断出现，严重影响了页岩气的正常生产。页岩气勘探、开发和储运过程中都可能产生腐蚀问题，不同类型的腐蚀之间往往会相互影响，加大了腐蚀防控的难度。主要涉及的腐蚀类型有：硫酸盐还原菌腐蚀、冲刷腐蚀、CO₂腐蚀、H₂S腐蚀及垢下腐蚀等。针对目前页岩气生产过程中的腐蚀问题和研究现状，分析了各种腐蚀产生的原因、腐蚀机理以及防腐方法。