助词"的"用法自动识别研究

在“三位一体”虚词用法知识库的基础上, 分别采用基于规则、基于CRF模型和神经网络模型的门循环单元, 对助词“的”用法进行自动识别, 识别的准确率分别为 34.4%, 77.5%和81.3%。在对助词“的”用法进行分析的基础上, 合并了部分用法, 并采用CRF模型和神经网络模型进行粗粒度用法识别, 准确率分别达到81.8%和 84.5%, 得到较明显的提高。期望识别结果可以应用于其他自然语言处理任务中。     

京津冀居民生活用煤“煤改电”政策的健康与经济效益评估

针对以电力等清洁能源替代居民散煤的“煤改电”政策, 构建可实现京津冀区域“十三五”规划中“煤改电”政策目标的技术选择以及电力供应来源的相关情景, 利用综合评价模型分析并估算不同情景下实施“煤改电”政策对环境质量、健康效益和经济效益的影响。研究结果表明, 通过在该区域实施居民生活“煤改电”政策, 2020年京津冀区域PM_2.5年均浓度可以下降6~15 μg/m³, 可因此避免约2.22万人过早死亡和60.78万致病例。如同期在京津冀区域采用一致性的政策实现“煤改电”政策目标, 可以获得187.31~198.69亿元的社会净效益。基于对3个地区净效益的分析结果, 并考虑地区间的差异, 提出具体的技术选择建议: 北京市和河北省宜采用“空气源热泵+可再生能源供电”方式, 天津市则宜采用“蓄热式电暖器+可再生能源供电”的方式。在3个地区均采用各自净效益最大化的政策情景下, 整个京津冀区域的净效益约为203.41亿元。     

日语高级学习者的“让”字句习得研究——基于人称分类的问卷调查

在翻译汉语“让”字句时,汉语母语日语学习者常将其用法简单地对应成日语初级阶段就学习到的“使役形”,即使到了日语水平很高的阶段也很难在人称之间灵活转换,自如地翻译出“让”字句,为此将汉语的“让”字句和日语“使役表达”的意思重合部分按照人称进行分类,用问卷调查的形式考察日语高级学习者和母语者的使用差异,总结日语高级学习者“化石化”的误用类型,并且运用“视点”的角度加以分析,提出日语“使役表达”教学建议。     

中国核能科技“三步走”发展战略的思考

 核能作为中国的战略产业,通过坚持创新驱动战略,正在不断转型升级。聚焦于发电方向,中国推出自主三代压水堆技术,在快堆、高温气冷堆等具备第四代特征的核电技术方向实现突破,作为核心成员参加国际ITER 计划并顺利推进采购包计划,为“热堆-快堆-聚变堆”三步走奠定了坚实的基础。本文在总结阶段性核能产业科技发展基础上,提出了“十三五”乃至更长时期,落实“三步走”战略的发展趋势和技术方向,特别是对如何实现“热堆-快堆”第二步跨越、实现“快堆和聚变”第三步跨越进行了思考,并展望了未来核能科技发展的前景。     

多丝切割的“滚-刻-削”混合加工机理

当前多丝切割的环境并非理想,加工要求并非相同.而理想及单一的“滚-刻”切割加工模型对整个过程难以解释周全.基于多丝切割中磨粒运行存在多种状态,指出研磨粒的综合力学行为(研磨粒的加工机理)取决于研磨液膜的流体力学条件,处于半接触和全接触状态下的磨粒,各自以“滚-刻”、“滚-刻-削”方式实施切割加工.故多模型混合加工可以较好地解释多丝切割加工的整个过程,多模型的混合加工模式更加接近实际状况.     

“三生”空间格局演化“碳流”分析——以唐山市为例

 生产空间、生活空间和生态空间（“三生”空间）碳代谢分析研究,对实现区域“三生”空间要素整合和结构优化具有重要的科学意义。以唐山市为例,通过构建显性“碳流”模型和生态网络效用分析方法,定量化跟踪、评估了2010-2015年唐山市“三生”空间碳要素的流动过程、途径及其影响。结果显示：2010-2015年,唐山“三生”空间格局演变造成了区域碳排放量的增加,净“碳流”为负值;其中,消极“碳流”主要由于生态空间向生产空间的转变;而积极的“碳流”主要来自生产空间向生态空间的转变。唐山市“三生”用地类型在碳代谢系统中的生态关系主要以限制掠夺关系为主,其中以生活空间城镇用地以及生态空间未利用土地占主导。     

“双碳”目标下的国土空间规划及用途管控

 以国土空间开发保护格局优化为出发点，分析了“双碳”目标下国土空间规划与用途管控的理论转型、关键途径以及相应的碳中和管理策略，提出了未来适应“双碳”目标的国土空间格局优化和规划应对的难点和重点，指出为实现“双碳”目标，应建构基于主体功能区的“双碳”责任区域分工体系、探索从“空中”到“落地”的减排增汇规划理论体系、研究助力碳中和精细化管理的关键规划技术途径。     

新时代民族高校党建工作创新发展路径研究——基于大连民族大学设计学院特区建设的思考

党的十九大以来,中国发展进入了新的历史方位,新时代赋予高校党建工作新的使命。通过以大连民族大学设计学院特区建设为基础,分析新时代民族高校党建工作的创新思路和方法,提出需要将“学做”模式在党的各项工作中全面激活,在“学”中“做”,在“做”中“学”。同时,进一步以党建工作引领和提高人才培养质量,构成价值塑造、能力培养、知识获取“三位一体”的育人格局。     

艾伦·邦德和“佩刀”发动机

 “佩刀” （SABRE）发动机结合了涡轮发动机、火箭发动机和冲压发动机的特点,是一款创新性的协同吸气式火箭发动机。通过回顾艾伦·邦德在“佩刀”发动机研发中发挥的作用,介绍了“佩刀”发动机组成和采用的新技术,分析了吸气式和火箭式两种工作模态及相应工作原理,展望了“佩刀”发动机广泛的应用前景。     

封面图片说明：“科创中国”技术服务与交易平台

 “科创中国”技术服务与交易平台是以“互联网+技术交易”模式构建的数宁化服务平台。通过建设动态运营的“问题库”“项目库”“开源库”,面向“政产学研服用金”创新主体,开展技术创新全链条专业化服务,把技术供给与技术需求的对接在“手牵手”基础上再增加“线联线”,以技术服务与技术交易推动国内外科技成果精准落地。     

基于事件模型的省略恢复研究

研究了目前基于事件模型的汉语省略恢复,重点分析了自然语言的事件层次,认为事件是一个具有一定句法结构、语义功能并集成了相关的语境信息的语言单位.建立了用于表示事件内涵、外延及其二者关系的事件模型和动词语义知识的事件描述,从事件结构的语法到语义层面进行映射,对缺省的语义成分进行判定,构建一个省略恢复模型,并运用在自然语言理解领域中,结果表明,在汉语正式体省略恢复中具有一定优越性.     

基于混合神经网络的中文隐式情感分析

隐式情感分析是情感计算的重要组成部分,尤其是基于深度学习的情感分析近年来成为了研究热点.本文利用卷积神经网络对文本进行特征提取,结合长短期记忆网络(LSTM)结构提取上下文信息,并且在网络中加入注意力机制,构建一种新型混合神经网络模型,实现对文本隐式情感的分析.混合神经网络模型分别从单词级和句子级的层次结构中提取更有意义的句子语义和结构等隐藏特征,通过注意力机制关注情绪贡献率较大的特征.该模型在公开的隐式情感数据集上分类准确率达到了77%.隐式情感分析的研究可以更全面地提高文本情感分析效果,进一步推动文本情感分析在知识嵌入、文本表示学习、用户建模和自然语言等领域的应用.     

基于预训练模型和混合神经网络的医疗实体关系抽取

医疗文本具有实体密度高、句式冗长等特点,简单的神经网络方法不能很好地捕获其语义特征,因此提出一种基于预训练模型的混合神经网络方法。首先使用预训练模型获取动态词向量,并提取实体标记特征;然后通过双向长短期记忆网络获取医疗文本的上下文特征,同时使用卷积神经网络获取文本的局部特征;再使用注意力机制对序列特征进行加权,获取文本全局语义特征;最后将实体标记特征与全局语义特征融合,并通过分类器得到抽取结果。在医疗领域数据集上的实体关系抽取实验结果表明,新提出的混合神经网络模型的性能比主流模型均有提升,说明这种多特征融合的方式可以提升实体关系抽取的效果。     

基于句法结构的神经网络复述识别模型

为解决已有复述语义计算方法未考虑句法结构的问题, 提出基于句法结构的神经网络复述识别模型, 设计基于树结构的神经网络模型进行语义组合计算, 使得语义表示从词语级扩展到短语级。进一步地, 提出基于短语级语义表示的句法树对齐机制, 利用跨句子注意力机制提取特征。最后, 设计自注意力机制来增强语义表示, 从而捕获全局上下文信息。在公开英语复述识别数据集Quora上进行评测, 实验结果显示, 复述识别性能得到改进, 达到89.3%的精度, 证明了提出的基于句法结构的语义组合计算方法以及基于短语级语义表示的跨句子注意力机制和自注意力机制在改进复述识别性能方面的有效性。     

省略号的象似性——以《暮光之城》中的省略号为例

象似性广泛存在于语言符号的语音、语形或结构之中.运用象似性的相关理论,以<暮光之城>为语料,将小说中的省略号划分为引文内与引文外两个维度,对省略号的象似性进行剖析.研究发现,引文内主要运用数量象似性,同时也伴随使用标记象似性与语义象似性;引文外则以语义象似性为主,同时使用标记象似性及数量象似性.     

口语对话系统EasyNav中的省略分析

为解决口语对话系统 Easy Nav中大量出现的语境省略现象 ,提出了用于刻画关注状态的主题结构 ,其动态生成的特点适合于在用户主导的场景下 ,对主题的变化进行建模。通过分析省略现象与指代现象的不同与联系 ,将指代分析的指导理论与处理流程延伸到省略分析中 ,从原先以句法结构信息为主进行省略分析 ,扩展到以语义知识和会话因素为主。提出的进行省略分析的主题结构方法 ,不仅使处理各种省略成分的方法统一 ,而且将片断型省略、缺省型省略也统一在同一个处理框架中     

基于异质信息网络元路径的药物‒靶标相互作用预测模型

提出一种融合元路径信息的图神经网络模型, 用于预测药物-靶标相互作用(GMDTI)。首先根据8个数据集中的药物、靶标、疾病和副作用数据以及它们之间的8种作用关系, 构建药物-靶标异质信息网络(HIN); 然后定义两条元路径来捕获药物-靶标HIN 中的不同子结构信息和不同节点间隐藏的语义信息, 并应用图神经网络的方法聚合节点的一阶邻居信息和元路径中节点间的语义信息; 最后利用端到端的学习方法完成DTIs预测。该方法同时考虑药物-靶标HIN的结构特性和元路径语义信息, 有助于学习到更多潜在的药物-靶标作用关系。实验结果表明, GMDTI的预测准确率高于所有基线模型, AUC达到98.6%, AUPR达到94.5%。同时通过调整数据的稀疏度和降噪实验, 证明GMDTI具备优于所有基线模型的鲁棒性。     

基于自适应性神经网络和历史聚类的旅游规划

研究了不同类型的服务之间的关系,提出了一种基于使用历史的分层聚类,以提取有意义的使用模式,建立了智能旅游规划的自适应型神经网络结构.     

基于RGB-D图像和深度学习的场景语义分割网络

近年来,深度卷积神经网络应用于图像语义分割领域并取得了巨大成功。本文提出了一个基于RGB-D(彩色-深度) 图像的场景语义分割网络。该网络通过融合多级RGB网络特征图和深度图网络特征图,有效提高了卷积神经网络语义分割的准确率。同时,本文利用带孔的卷积核设计了具有捷径恒等连接的空间金字塔结构来提取高层次特征的多尺度信息。在SUN RGB-D数据集上的测试结果显示,与其它state-of-the-art的语义分割网络结构相比,本文所提出的场景语义分割网络性能突出。