美国行星科学2023—2032年规划及启示

 《起源、世界和生命：2023—2032年行星科学和天体生物学》是美国科学院发布的第3份用于指导太阳系探索未来10年发展的战略规划文件（简称2023规划报告），涵盖科学探测任务、基础前沿研究和先进探测技术等，内容丰富前瞻，引起各界关注。该报告还首次包括了行星防御内容，新增了对空间科学人文和社会价值的阐述。本文解读了该报告的核心内容，指出它聚焦行星起源、太阳系天体（不含太阳）的结构和演化、生命和宜居性3大科学主题，建议美国新实施大中小型系列空间科学任务、继续推进既往2013规划报告推荐的在研任务，并力争在探寻太阳系地外生命前沿与交叉科学领先取得重大突破。     

融合BiLSTM的双图神经网络文本分类模型

采用图神经网络模型为整个语料库构建异构图处理文本分类任务时，存在难以泛化到新样本和词序信息缺失的问题。针对上述问题，提出了一种融合双图特征和上下文语义信息的文本分类模型。首先，为每个文本独立构建共现图和句法依存图，从而实现对新样本的归纳式学习，从双图角度捕获文本特征，解决忽略单词间依存关系的问题；其次，利用双向长短期记忆网络（bi-directional long short-term memory，BiLSTM）编码文本，解决忽略词序特征和难以捕捉上下文语义信息的问题；最后，融合双图特征，增强图神经网络模型的分类性能。在MR，Ohsumed，R8，R52数据集上的实验结果表明，相较于经典的文本分类模型，该模型能够提取更丰富的文本特征，在准确率上平均提高了2.17%，5.38%，0.61%，2.48%。