基于自注意力机制的科技术语自动提取技术研究

科技术语提取是科技术语自动处理的重要环节,对后续的机器翻译、信息检索、QA问答等任务有重要意义。传统的人工科技术语提取方法耗费大量的人力成本。而一种自动提取科技术语方法是将术语提取转化为序列标注问题,通过监督学习方法训练出标注模型,但是面临缺乏大规模科技术语标注语料库的问题。文章引入远程监督的方法来产生大规模训练标注语料。另外又提出基于自注意力机制的Bi-LSTM的模型架构来提高科技术语提取结果。发现新模型在发现新的科技术语的能力上远远优于传统机器学习模型(CRF)。     

电纺等规聚丙烯纤维诱导同质基体结晶

利用静电纺丝技术得到较细的等规聚丙烯(iPP)纤维,然后将电纺纤维引入到处于过冷态的iPP基体中制备了均质复合体系.重点研究了电纺iPP纤维诱导成核能力.由于纤维和基体同质,所以它们具有完美的晶格匹配及良好的表面润湿性,使电纺iPP纤维有很强的诱导成核能力,且在160℃引入纤维时,界面主要形成α横晶.通过将所制得的复合体系在160℃松弛一段的时间,α横晶再次出现,表明横晶的形成与纤维引入时产生的剪切作用无关.将复合体系熔融再结晶时观察到有"记忆效应"产生,即在原生成横晶的部分区域仍生成横晶,其晶型与最初形成的横晶一致.     

科技术语自动提取技术——现状与思考

文章简要介绍了自动术语提取任务的定义、主要方法和评价指标。针对传统的自动术语提取方法,以互信息、t值、tf-idf、C/NC-value为例介绍了单元度和术语度的概念;针对自动术语标注方法,主要介绍了基于序列标注的建模思想。从提取效果来看,现有自动术语提取技术距离期望仍有差距,文章也尝试给出了一些值得探索的方向。