基于微博文本的个性化兴趣关注点及情绪变迁趋势研究

随着社交网络的快速发展,人们可利用微博平台发表、分享自己的观点以及抒发某种情绪,进而产生了大量针对不同话题的博文和情绪信息,但传统的文本挖掘算法在处理这些短小且具富含个性化情感信息的微博文本方面有所欠缺。在此提出一种基于微博文本的特征权重计算方法,可据此得到博主在不同时间段的关注点,通过情绪分类,分析用户在不同时间段内的情绪变迁情况。实验结果证明此方法具有一定的可行性。     

探索式搜索中支持多角度概念发现方法

为帮助用户在执行探索式搜索时发现领域内重要、有价值的概念, 同时了解概念所处的问题角度进而全面理解目标领域, 以建模概念的实际使用情况为基础, 分析确定概念的重要度及问题角度对概念重要度的影响, 提出了支持用户多角度概念发现方法。该方法考虑了概念的重要性及概念所处问题角度之间的交互影响, 实现了对影响概念发现两方面因素的同步分析。实验表明, 相比直接搜索, 该方法减少了48.8%的搜索交互次数, 并提升了24.3%的概念出现数量。     

木麻黄及2种相思海防林活立木应力波传播速度的影响因素分析

采用应力波技术分析海南岛海防林主要树种、胸径、不同气候分布区、活立木不同方位等因素对活立木应力波传播速度的影响。结果表明:(1)木麻黄应力波传播速度与胸径大小呈极显著正相关,其中S型曲线和倒函数曲线的相关性远好于直线的相关性,但二者之间的相关性主要适用于中小径级范围内,胸径大于16 cm后应力传播波速度基本稳定;(2)不同树种应力波传播速度具有一定的差异性,相同胸径条件下(DBH:12～16 cm),木麻黄Casuarina equisetifolia的应力波传播速度最大(4211.90 m·s-1),马占相思Acacia mangium次之(4025.17 m·s-1),大叶相思Acacia auriculiformis最小(3543.75 m·s-1),且DBH≥18 cm时,各径级木麻黄应力波传播速度也均大于马占相思,表明木麻黄的抗风性能良好;(3)不同气候分布区及活立木不同方位对木麻黄应力波传播速度无显著影响。研究结果对评价海防林不同树种的抗风性能具有重要意义。     

基于信任的服务实体跨域认证方案

根据目前基于身份的跨域认证过程中域代理(domain agent,DA)数量有限的特点,针对该跨域认证过程中计算复杂的问题,采用信任和基于身份密码体制相结合的方式,提出了基于信任的用户跨域访问信息服务实体(information services entity,ISE)资源的算法。该算法首先完成用户在DA的身份认证,然后采用提出的信任度判断方法进行信任度的判断达到双向认证的目的,最终实现用户跨域访问ISE。仿真结果表明,信任度的判断方法有效地实现抵抗“恶意”DA的攻击,同时该基于信任的ISE跨域认证方案与基于身份的跨域认证方案相比,计算量减少,通信开销降低。     

猪皮胶原肽-锌螯合物的制备工艺研究

研究猪皮胶原肽-锌螯合物的制备工艺。以猪皮为原料，制备猪皮胶原肽-锌螯合物；以螯合率为指标，研究了猪皮胶原肽与锌质量比、pH、温度、时间对螯合率的影响；通过单因素试验、响应面法试验考察优化猪皮胶原肽的富锌工艺。结果显示，猪皮肽-锌螯合的最佳工艺为猪皮肽与锌质量比2:1，螯合pH 7.0，螯合温度50 ℃，螯合时间50 min，在此条件下，试验螯合率最佳，为69.27%，与模型预测值69.92%相近。该研究为新型生物肽 锌螯合物的研制、猪皮的高值化利用提供了依据。     

基于变异系数的模糊物元模型评价阔叶十大功劳根不同提取部位的抗炎镇痛作用

为了筛选阔叶十大功劳根抗炎镇痛的有效部位，应用模糊物元模型对阔叶十大功劳根不同提取部位抗炎镇痛效果进行综合评价。采用醋酸扭体法、热水缩尾法及热板法，以小鼠足跖肿胀、耳廓肿胀程度考察阔叶十大功劳根不同提取部位的抗炎镇痛作用；用变异系数权重的模糊物元模型对其干预效果进行综合评价；通过计算贴近度比较模型组（M₁）、阳性对照组（M₂）、水提物组（M₃）、乙醇提取物组（M₄）、正丁醇提取物组（M₅）、乙酸乙酯提取物组（M₆）、石油醚提取物组（M₇）的抗炎镇痛效果。结果显示阔叶十大功劳根不同提取部位均有抗炎镇痛的效果，但各部位抗炎镇痛效果程度不同；反应不同部位抗炎镇痛总效应的贴近度值从大到小排序为M₆，M₄，M₃，M₅，M₂，M₇，M₁。基于变异系数权重的模糊物元模型可筛选出阔叶十大功劳根抗炎镇痛的最佳有效部位为乙酸乙酯提取部位，能够客观、科学地评价不同提取部位的抗炎镇痛效果。     

带积分边界条件的分数阶微分方程正解的存在性

基于锥上的不动点指数理论,通过构造锥和Green函数的性质,给出如下带有双参数的非线性边值问题:■在不同增长性条件下正解的存在性、多解性和不存在性,其中:2α3;0μ2和λ0是两个参数.     

基于近似贝叶斯计算方法的排队模型参数估计

基于贝叶斯推断对单服务台的马尔科夫与非马尔科夫系统下的4个排队模型做参数估计与效果评价,并对银行排队叫号换汇数据做实证研究。采用近似贝叶斯计算的方法有效解决复杂排队模型似然函数难解析表达的问题。利用R中queue computer包给出M/M/1,M/G/1,G/M/1,GI/GI/1这4个排队模型的到达时间与服务时间的参数估计及后验分布图。其中M/M/1:估计值(真实值)分别约为1.02(1)、 1.12(1/0.9),都与真实值接近;M/G/1:1.17(1)、1.21(1.2),对服务时间的估计效果优于到达时间;G/M/1:0.49(0.5)、0.96(1),从后验分布进一步得到对服务时间的估计更准确;GI/GI/1:1.16(1.1)、1.07(1)、0.23(0.251)、0.22(0.25),各分量的估计值与真实值相对接近。对于实际银行数据,估计得的参数所拟合的数据与Ausin的拟合数据分布接近。研究表明,近似贝叶斯的方法在排队模型的参数估计上有较大优势,在实际数据中取得了较好应用。     

基于图注意力网络的案件罪名预测方法:CP-GAT

案件罪名预测任务是基于文本数据去预测案件所属罪名.针对现有方法在相似罪名和长尾数据集上表现不佳的问题，提出了一种基于图注意力网络的案件罪名预测方法CP-GAT(charge prediction based on graph attention network).该方法首先使用司法文书数据集中的案例事件描述文本和案例对应的法条信息建立异质图结构数据，构建后的异质图包含两种类型的节点(词节点、案例节点)，两种类型的边(词节点与词节点相连的边，词节点与案例节点相连的边).在基于法律文本构建后的异质图上使用图注意力网络进行图特征提取，最后将得到的特征向量输入到罪名预测的分类器中，得到案例所属的罪名.在CAIL2018法律数据集上的实验结果表明，基于图注意力网络的罪名预测方法优于对比实验使用的方法，准确率和宏观F1值分别达到了95.2%和66.1，验证了提出的方法有利于提升案件罪名预测任务的性能.