基于迁移学习的智能合约漏洞检测方法

针对智能合约源代码漏洞数据集匮乏的问题，提出一种基于迁移学习的智能合约漏洞检测方法.首先，从CodeBERT预训练模型中迁移表示传统编程语言的语义特征参数，学习智能合约编程语言Solidity的语义表示；其次，使用长短期记忆网络处理语义向量，加入上下文语义关联；最后，训练智能合约漏洞检测模型，完成智能合约源代码形式的二分类漏洞检测任务.实验结果表明，与基线方法和机器学习方法相比，该方法在数据集匮乏情况下的智能合约漏洞检测准确率更高.     

XML数据在关系数据库中存储和检索的研究和实现

论述了关系型数据和XML数据之间的相互转换 ,给出了将XML数据存储在关系数据库和将存储在关系数据库的XML数据恢复为XML形式的算法 .由于实际数据类型的复杂性 ,使用Schema来定义XML文档类型 .试验结果表明算法具有较好的性能 .讨论了将XMLQL查询语句转换为SQL查询语句的设计 ,根据文中XML数据存储在关系型数据库中的算法 ,可以对XMLQL查询语句的语法、语义进行分析以转换为相应形式的SQL语句来在关系数据库中查询被存储的XML数据 ,并返回相应的结果集     

Web服务组合中异构数据的解决方案

从定义的接口功能上看,用于Web服务组合的Web服务之间的异构主要表现为数据定义抽象层次的异构、数据实体定义的异构及数据定义领域的异构.针对Web服务组合中存在的这些问题,提出了基于语义本体的异构数据转换模型,详细阐述了实现异构数据转换的关键技术,给出了基于语义本体的异构数据转换的实现过程.     

XML数据在关系数据库中存储和检索和研究和实现

论述了关系型数据库和XML数据之间的相互转换，给出了将XML数据存储在关系数据库和将存储在关系数据库的XML数据恢复的XML形式的算法，由于实际数据类型的复杂性，使用Schema来定义XML文档类型，试验结果表明算法具有较好的性能，讨论了将XML＿QL查询语句转换为SQL查询语句的设计，根据文中XML数据存储在关系型数据库中的算法，可以对XML＿QL查询语句的语法，语义进行分析以转换为相应形式的SQL语句来关系数据库中查询被存储的XML数据，并返回相应的结果集。     

SAM*模型向关系模型的转换规则

在语义数据库管理系统中,模型转换是查询转换和数据转换的基础,本文探讨了SAM模型向关系模型转换过程和转换规则,并给出了原型设计,为了防止转换过程中语义丢失,本文利用字典解决这一问题.     

基于深度学习和主题模型的短文本分类方法

为了解决短文本的语义稀疏和特征信息难以提取问题,本文提出了一种基于深度学习的短文本分类方法.首先通过增加自注意机制的双向BiLSTM通道获取短文本特征词向量,引入外部CN-DBpedia知识库KBs来深度挖掘短文本语义,解决语义稀疏问题.其次通过BTM主题模型在短文本数据集上提取主体信息,为了得到准确的词向量拼接引入了超参数δ.最终将所得的特征词向量以及知识向量运用语义余弦相似度计算并拼接向量,将得到的拼接结果与主题信息通过Softmax分类器中进行分类.在中国微博情感分析数据集、产品评价数据集、中文新闻标题数据集、Sogou新闻数据集上进行实验.与TextCNN、TextRNN、TextRNN＿Att、BiLSTM-MP、KPCNN算法相比,分类准确性有一定提高.     

结合语义和依存关系的药物相互作用关系抽取

从生物医学文本中抽取药物相互作用对可以快速更新药物数据库,具有非常重要的意义与医学应用价值.现有的神经网络模型往往仅从句子序列或其他外部信息中学习到单一片面的特征,难以充分挖掘句中潜在的长距离依赖特征获得全面的特征表示.本文提出一种结合语义和依存关系的药物相互作用关系抽取方法,该方法在利用Bi-GRU网络分别从句子序列和目标药物实体的最短依存路径序列中学习语义特征表示的同时,进一步结合多头自注意力机制挖掘单词之间潜在的依存关系,通过充分融合多源特征来有效提升生物医学文本中药物相互作用对的识别和抽取性能.在DDIExtraction-2013数据集上的实验结果表明,该方法超过现有的药物相互关系抽取方法获得了75.82%的F1值.     

基于分层策略的弱指导语义关系抽取

提出一种基于Bootstrapping的弱指导语义关系抽取方法。在初始训练集的选取中使用了分层选取策略。实验表明，初始训练数据集的选择对于弱指导语义关系抽取的性能影响较大，利用分层次选取策略选择的数据具有较高的代表性和均衡性，与使用随机选取的弱指导语义关系抽取相比，基于分层策略的弱指导语义关系抽取取得了更好的性能。     

基于VS-Adaboost的实体对齐方法

针对现有实体对齐方法大多以本体模式匹配为基础，处理异构关联数据集间对齐关系存在局限性且实体链接缺失问题严重的现状，在分析关联数据语义的基础上，提出了一种独立于模式的基于属性语义特征的实体对齐方法，对关联数据集中实体属性根据语义标签特征及统计特征建模，并采用有监督的可变样本集VS-Adaboost算法实现分类器优化。实验结果表明，该方法的时间效率、准确率、查全率较高，F测度效果较好。     

一种基于关联数据的数字博物馆语义融合方法

综合利用概念识别聚类、关联性检测、相似度计算等手段,提出一种适合于数字博物馆领域的语义自动关联融合方法,将关联数据集间的语义互联转换为概念相似度的数学运算。将此方法应用于博物馆领域进行语义融合,实验结果表明,该方法能构建丰富的语义关联且正确率较高;此外使用图形用户界面对关联的结果进行人工审查,进一步保证了关联链接的质量。     

向量型二元语义密度集结算子及其应用

针对多属性决策问题，面向二元语义信息，以向量的形式对决策信息进行集成，提出了向量型二元语义密度加权平均(V-TDWA)算子的信息集结方法.首先，对向量型二元语义密度加权算子及其合成算子的基本构建思路进行了介绍，并对其性质进行了分析.然后，基于信息分布的疏密程度讨论了向量型二元语义信息的分组问题，给出了一种基于向量相似度的聚类方法，在聚类组的基础上，通过最大化熵值法求解不同聚类组的密度权重.最后通过算例对向量型二元语义密度集结算子的应用进行了简要说明.     

BioTSA: Annotating Token Semantic Association to Support Biomedical Text Mining

Corpus is a kind of important resource for knowledge acquisition in the natural language processing(NLP). However, up to now, in the biomedical domain comparatively fewer corpus focus on semantic association among all tokens in a sentence. We proposed an annotation scheme based on feature structure theory for enriching biomedical domain corpora with token semantic association(TSA). There are 227 documents of the Bio NLP GE ST training data annotated to form TSA corpus in which each annotated item shows a token semantic association that appears as a triple. The annotation of token semantic association has the potential to significantly advance biomedical text mining by providing rich token semantic information for NLP systems especially for the sophisticated IE systems, such as bio-event extraction.     

A new method for mining biomedical knowledge using biomedical ontology

In order to solve the problem of mining biomedical knowledge, a biomedical semantic-based knowledge discovery method (Bio-SKDM) is proposed. Using the semantic types and semantic relations of the biomedical concepts, Bio-SKDM can identify the relevant concepts collected from Medline and generate the novel hypothesis between these concepts. The experiment result shows that compared with ARROWSMITH and LITLINKER, Bio-SKDM generates less but more relevant novel hypotheses and requires less human intervention in the discovery procedure.      

基于BERT模型的司法文书实体识别方法

采用手工分析案件卷宗，容易产生案件实体遗漏现象及提取特征效率低下问题.为此，使用基于双向训练Transformer的编码器表征预训练模型.在手工标注的语料库中微调模型参数，再由长短时记忆网络与条件随机场对前一层输出的语义编码进行解码，完成实体抽取.该预训练模型具有巨大的参数量、强大的特征提取能力和实体的多维语义表征等优势，可有效提升实体抽取效果.实验结果表明，本文提出的模型能实现89%以上的实体提取准确度，显著优于传统的循环神经网络和卷积神经网络模型.     

Semantic Relation Annotation for Biomedical Text Mining Based on Recursive Directed Graph

In this paper we propose a novel model "recursive directed graph" based on feature structure, and apply it to represent the semantic relations of postpositive attributive structures in biomedical texts. The usages of postpositive attributive are complex and variable, especially three categories: present participle phrase, past participle phrase, and preposition phrase as postpositive attributive, which always bring the difficulties of automatic parsing. We summarize these categories and annotate the semantic information. Compared with dependency structure, feature structure, being recursive directed graph, enhances semantic information extraction in biomedical field. The annotation results show that recursive directed graph is more suitable to extract complex semantic relations for biomedical text mining.     

非遗题材电影观影者感知与传播研究——基于在线评论数据的实证分析

文章借助数据挖掘技术，以非遗电影《百鸟朝凤》为研究对象，在豆瓣和猫眼两个平台共抓取观影者评论数据56 645条，利用内容分析法对评论进行情感分类、词频分析和语义网络分析，从观影者感知视角探究利用电影进行非遗活态传播的实际效果.研究发现： 1) 观影者能够通过电影感知非遗，即电影感知的三个维度(电影角色、电影故事、电影主旨)与非遗感知的三个维度(非遗传承人、非遗空间、非遗价值)之间存在映射关系； 2) 引发观影者正面评价的主要因素是剧情、演技和电影传达的价值观，引发观影者负面评价的主要因素是题材、宣传方式和非遗的表现力； 3) 电影叙事的完整性和场景的原真性使观影者普遍对非遗产生了较深程度的感知，并引发了大量观影者对非遗价值问题的讨论和思考.文章揭示了观影者非遗感知的路径、内容、情感特征和影响因素，并对非遗电影的制作和传播提出了对策与建议.     

基于生物医学领域本体语义Web的构建探讨

语义Web能让计算机理解人类的信息需求,从而使搜索和检索更加准确和全面。探讨了如何以生物医学的主题词表为基础构建生物医学的领域本体,并利用半自动化辅以人工信息标注的方法来完成生物医学语义Web的构建。     

基于注意力机制的U-Net脑脊液细胞分割

为解决脑脊液病理图像中部分细胞膜较为模糊，与图像背景难以区分的问题，采用了基于注意力机制的U-Net深度学习方法对脑脊液病理图像做全自动分割.在深度学习网络中加入注意力机制对细胞进行定位，抑制无关信息，提高语义的特征表达，提高对细胞整体分割的精确性.通过镜像、旋转等操作对数据集进行扩充预处理.采用VGG16预训练模型进行迁移学习，交叉熵与Dice损失相结合作为损失函数，分别在脑脊液临床图像与公开数据集2018 Data Science Bowl上进行验证；并与Otsu， PSPnet， Segnet， DeeplabV3+， U-Net进行对比，结果表明， 本文方法在各项指标上均优于其他分割方法.     

基于顾客偏好的瓶装水外观感性质量评价

从感性质量评价的角度提取13个感性质量评价词对,用于全面且针对性地评价顾客对瓶装水的偏好.以"想购买"为综合感性提取瓶装水的感性质量评价要素,结合聚类分析等方法确定7种代表性样本.基于语义差异法构建瓶装水感性质量评价量表,运用多元回归模型分析建立顾客偏好与感性评价词对之间的关系模型.关系模型解决了如何识别顾客偏好和感性质量需求,以及如何将这些偏好和需求整合到产品设计过程中的问题.     

甲壳糖—聚硅氧烷复合材料的制备、表征和性能研究

利用亲、疏水性不同的甲壳糖和聚硅氧烷，通过共混、交联制备出复合膜材。该材料湿态下抗张强度最高达13．3MPa，此时断裂伸长率为98％；DSC分析结果表明在—40℃至190℃之间热稳定性好。结构形态测试证实该材料具有微相分离结构，微区大小在2μm－20μm之间。生物学评价证明该材料无热原反应，无皮肤刺激和皮内刺激。血液相容性测试结果显示，该材料复钙时间为120秒，溶血率为1．0％，血小板粘附指数为1.60。甲壳糖／聚硅氧烷复合膜材有医用开发前景。