法律程序与法律实体关系的法理分析

法律程序与法律实体同属于法律规范范畴，两者之间不仅存在着内容上的区别，而且存在着相关属性与功能上的联系。从不同视角来看，法律程序与法律实体表现为手段与目的、现实与可能、过程与结果、形式与内容等多重关系。每一项具体权利义务，每一项法律的实施过程，也就是实体法与程序法的统一过程。     

基于机器学习的比特币实体分类方法研究综述

比特币是一种去中心化的电子加密货币,交易地址的匿名性隐藏了交易用户的真实身 份,导致比特币被一些不法分子应用于各类非法活动中。通过分析已知实体的交易属性和行为特 征,利用机器学习的方法可以对未知实体的交易类别进行预测。本文首先概述了比特币实体类别 及分类标签的来源;其次,分析和归纳了基于机器学习的比特币实体分类方法;最后,分析了现阶 段面临的主要问题,并对未来的发展趋势进行了展望。     

基于探测查询的Deep Web实体识别

目前,Web上存在很多Deep Web网站,而各个网站的数据表现形式有很大的差别.因此要集成这些网站就需要正确抽取其中的数据,并将其中表示同一实体的数据合并.该文提出了一种基于探测查询的方法来自动完成页面的数据抽取及实体识别工作,该方法通过提交查询可以在提取数据的同时确定实体的各个属性,根据实体的各个属性进行实体识别.实验表明,该方法具有较高的实体识别准确率.     

形式化智能环境下的物理世界建模过程

针对普适计算带来的智能物理世界构成实体的属性和行为特征, 将知识重构与抽象模型(KRA模型)框架的感知过程扩展为初步感知和感知重构两步, 使其能表示并区分所提出的智能环境下物理世界的不同属性域实体, 得到智能环境下物理世界的层次模型. 该模型统一定义物理实体, 逻辑表示网络化实体, 避免了重复感知. 网络
化实体间及物理实体和虚拟实体与网络化实体间的关系定义为逻辑连接关系, 同时, 可以将对以整个世界为推理空间的推理过程分解为在物理实体及连接构成的空间和在虚拟实体及连接构成的空间上更小规模的推理过程, 降低了推理的复杂性.     

融合属性嵌入与关系注意力的跨语言实体对齐

目前知识图谱实体对齐的主流方法是通过图神经网络学习知识图谱的嵌入表示，并测量实体嵌入之间的相似性实现实体的对齐.很多实体对齐方法只考虑知识图谱的结构信息和关系信息，却常常忽略了属性信息.针对上述问题，提出了一种融合属性嵌入的实体对齐方法：融合属性信息的精简关系感知双图卷积网络模型.首先，基于关系感知双图卷积网络的注意力机制提取知识图谱的关系信息；然后，利用带高速门的图卷积网络获取属性信息；最后，融合二者的嵌入信息以实现更高准确率的实体对齐.在3个跨语言数据集上的实验结果表明，该方法通过融合知识图谱属性信息增强了实体表示能力，在3个数据集上Hits@1值相比原模型分别增长了6.42%、4.59%和1.98%，对齐效果明显优于目前主流的实体对齐方法.     

基于VBA巧用南方CASS的实体扩展属性

说明了地籍调查与建库中存在的问题,引入实体扩展属性的概念,以房屋属性为例,通过分析CASS数据的dxf文件的存储结构,基于VBA巧用南方CASS的实体扩展属性,设计程序,通过将获取的扩展属性的存储格式进行转换,实现了将ArcGIS转换成CASS文件的扩展属性进行拆分,使扩展属性与单个要素相关联,将其转换为CASS标准格式,方便在CASS中查看属性的功能。     

基于LSTM的大规模知识库自动问答

针对大规模知识库问答的特点, 构建一个包含3个主要步骤的问答系统: 问句中的命名实体识别、问句与属性的映射和答案选择。采用别名词典结合LSTM语言模型进行命名实体识别, 使用双向LSTM模型结合两种不同的注意力机制进行属性映射, 最后综合前两步的结果进行实体消歧和答案选择。该系统在NLPCC-ICCPOL 2016 KBQA任务提供的数据集上的平均F1值为0.8106, 接近评测的最好水平。     

融合多因素的多实体政策网络链路预测算法

政策文本为社会的发展提供了权威性和原则性的方向和指导,但由于政策文本间关系错综复杂、政策实体间潜在连接关系隐性等,导致政策信息准确获取困难、理解不全面等.针对上述特点以及现有研究大多集中于单一类型政策实体及关系分析,难以全面准确地刻画政策间多类实体潜在关系的不足,提出了一种融合节点相似和属性偏好的多实体政策网络链路预测算法LP-NA.LP-NA综合考虑了节点之间的相似性、节点属性偏好对预测概率的贡献和预测偏差对链接预测的影响,采用反映局部信息的链接聚类系数和全局信息的接近中心性计算节点相似度,构建原始权重矩阵,并将政策网络的节点属性偏好和预测偏离值加入矩阵分解框架中,对网络中已知连边信息进行综合计算,提升了实体间链路预测精度.在7个真实多实体政策网络数据集上的实验结果表明：与现有算法相比,提出的LP-NA算法将AUC最大分别提升了4.76%、4.20%、2.81%、3.08%、3.25%、4.59%、3.03%.     

基于关联的科技文献检索方法

设计了一种科技文献关联模型,并基于此模型提出一种科技文献关联检索方法.科技文献关联模型描述了科技文献中的实体和实体之间的各种关联、实体的属性以及关联的属性,从全局的角度为科技文献检索构建了一种整体结构,为科技文献中孤立信息的互联提供支持.科技文献关联检索方法为用户检索提供全面的关联信息,支持用户检索行为的连续性以及不同的文献实体之间的交叉检索,便于用户逐步浏览感兴趣的文献信息.通过与文献检索系统CiteSeer和DBLP检索方法的对比测试,结果表明了本方法的有效性.     

基于权重的马尔可夫随机游走相似度度量的实体识别方法

社会网络分析方法是一种量化的社会学分析方法,它将社会行动者映射为图的节点,社会行动者之间的关系映射为图的边,然后利用图论的相关知识来解决社会网络的问题.在算法改进和系统实现层面展开数据挖掘在社会网络分析中的应用研究,在对基于图的实体识别方法进行深入研究的基础上,提出了基于马尔可夫随机游走相似度度量的方法,使其能够应用于有权有向图上的实体识别,并在此基础上提出可以处理多链接属性的实体识别算法.基于电信分析系统平台,重点研究和分析了上述算法的具体应用并在电信数据集上进行测试,应用结果表明上述算法的有效性和实用性.     

东盟十国新闻文本的命名实体识别研究

为构建东盟十国知识图谱,需要对相关文本进行命名实体识别工作。设计一种基于双向GRU-CRF的神经网络模型对中国驻东盟十国大使馆中文新闻数据进行命名实体识别。以预训练的领域词向量为输入,利用双向GRU网络从向量化的文本中提取语义特征,再通过CRF层预测并输出最优标签序列。为了进一步改善结果,在双向GRU和CRF层之间添加两层隐藏层。在数据预处理方面,提出一种数据集划分算法对文本进行更加科学合理的划分。在东盟十国数据集上将该模型与几种混合模型进行对比,结果显示所提模型在人名、地名、组织机构名识别任务中拥有更好的识别性能。     

决策演化集的膜结构抑制剂

决策演化集是用来解决决策规则在时间序列上演化规律的理论和方法.决策演化集给出了决策规则在时间序列上演化模型,但是在其标准定义下,很难将决策规则的演化轨迹具象化.而决策演化集的膜结构是在决策演化集的基础上具象化演化轨迹的理论方法,它利用膜结构理论重新刻画了决策演化集,将决策演化集下隐藏属性、丢失属性、演化夹角、偏移夹角、预测夹角等都具象化出来.但是在决策演化集的标准膜结构下,具象化决策规则演化轨迹的过程中,预测膜和实体膜展现出来的只有偏移夹角这一种关系,导致预测膜如何转变为实体膜的问题,即偏移夹角如何产生的问题被掩盖了.为了解释预测膜是如何转变为实体膜这个问题,加入抑制剂概念来改造决策演化集的标准膜结构,给出含有抑制剂的决策演化集膜结构的性质,进而解释和具象化预测膜在决策演化过程中转变为实体膜的过程.     

基于受控实体的访问控制技术

在简要分析传统的基于角色的访问控制模型、基于任务的访问控制模型和一些基于它们的扩展模型的基础上,针对这些模型在实际应用中的问题,提出了基于受控实体的访问控制模型(称为EBAC).EBAC模型以受控实体为访问客体,并以其为中心实现安全控制机制.一方面,用户通过对受控实体的管理能力间接获取访问权限;另一方面,受控实体动态地对用户对其实例集和属性集的访问进行自主控制.该模型强化从企业/组织的资源管理视角实施访问控制策略,能够有效加强企业信息系统中访问控制的灵活性和安全性.     

表示学习知识图谱的实体对齐算法

与现有的根据知识图谱的结构信息或实体属性特征进行相似度匹配的实体对齐的方法不同,提出了一种基于表示学习的知识图谱实体对齐方法.首先,在低维向量空间下,通过机器学习方法学得实体和关系的语义表示,这种表示形式蕴含了知识图谱的内在结构信息及实体属性特征;其次,将人工标注的实体对作为先验知识,学习知识图谱间实体对的映射关系.经实验验证表明:与基于特征匹配的方法SiGMa相比,本文方法能够有效提高知识图谱实体对齐的精确率,同时保持较高的F1值.     

一种多源数据融合过程中的实体关联性计算方法

针对公安多数据源数据融合分析过程中常出现不同数据源中同一实体对象存在不同关系描述的情况,提出了一种结合实体关系时间属性权值和数据源权重的实体关系真实度计算算法,以数据源为基准单位,实现了对多数据源融合的实体关系关联度计算和有效性分析。实验结果表明,此算法能有效降低数据融合过程中带来的实体关联值计算偏差,提高实体关系之间发现的实时性和准确率,提升数据资源的情报价值。     

基于主题敏感的重启随机游走实体链接方法

实体链接任务的目的是将文本中的实体指称链接到知识库中与之对应的无歧义实体。针对此任务, 提出一种基于主题敏感的重启随机游走的实体链接方法。该方法首先使用实体指称的背景文本信息将实体指称扩充为全称, 并在维基百科知识库中搜索候选实体, 得到候选实体集合; 根据上述中间结果构建图, 利用在图上的主题敏感重启随机游走得到的平稳分布对候选实体集合进行排序, 选出top 1 的候选实体作为目标实体。实验结果表明, 该方法在KBP2014 实体链接数据集上实验的F 值为0.623, 高于其他系统实验的F值, 能够有效提高实体链接系统的整体性能。     

对象化BR-TIN模型三维地理信息组织方法

在分析边界表示法(BR)和不规则三角网(TIN)特征的基础上,采用面向对象方法将BR模型与TIN有机地结合起来,提出一种面向对象的BR-TIN三维数据模型.研究模型的集成过程、对象化过程、信息组织和存储过程,并将其应用到三维建筑实体表达中.实验结果表明:该模型能够实现地理实体的对象化建模和对几何特征、属性等综合信息的一体化组织,有利于实现复杂三维地理实体空间数据的有效组织与管理.     

融合生成式模型的知识增强实体链指方法

未链接实体分类是实体链指(Entity Linking, EL)任务中的重要研究内容之一。现有方法存在上下文语义信息不充分、分类准确率低等问题,导致实体链指任务表现不佳。本研究提出一种融合生成式模型的知识增强实体链指方法。该方法将实体链指分为两个子模块,即候选实体排序模块和未链接实体分类模块。本研究基于高精度的候选实体排序模块,获得高质量的知识扩展信息,并对未链接实体分类任务进行知识增强;针对未链指实体提及的分类问题,提出一套生成式框架,该框架能够取得超过基线模型的性能。本研究方法在2020年全国知识图谱与语义计算大会(CCKS2020)评测任务二的中文短文本实体链指数据集上取得了目前最佳性能(整体F值为91.76%),证明知识增强和生成式框架的引入能提高模型的泛化能力,缓解未链接实体分类中的信息不充分问题。     

内涵实体的本体论地位

讨论了历史上的内涵实体论、含义和指标。认为Quine(奎因)的口号没有同一性就没有实体是一种新的教条,捍卫实体的实在性不能成为在本体论上排斥内涵实体的理由。通过具体的语言分析论证了在本体论上承诺内涵实体的合理性。     

网络及其管理系统的进化

通信网进化是目前国际研究热点。本文分析了它的连续性、兼容性和遗传性等问题。指出了通信大系统中二次信息处理的复杂性,给出了能适应网络不断进化的智能化的综合网络管理系统模型,全面分析了网络元素中管理实体与被管理实体在管理行为上、程序结构上和运行时空上的交互关系以及它们的进化问题。