基于句向量的文本相似度计算方法

为进一步提高文本相似度计算的准确性,提出基于句向量的文本相似函数(part of speech and order smooth inverse frequency, PO-SIF),从词性和词序方面优化了平滑反频率(smooth inverse frequency, SIF)计算方法,SIF算法的核心是通过加权和去除噪声得到句向量来计算句子相似度。在具体计算时,一方面通过增加词性消减因子调节SIF句向量计算权重参数,获得带有词性信息的句向量,另一方面通过将词序相似度与SIF句向量相似度算法进行线性加权优化句子相似度得分。实验结果表明,增加词性和词序的方法可以提升算法准确率。     

特低渗透油藏水驱油物理模拟相似准则的推导和应用

 为了完善水驱油物理模拟相似理论,本文在前人研究基础上,针对特低渗透油藏的特点,并考虑特低渗透油藏中流体非线性渗流特征的基本方程,应用检验分析法推导出了特低渗透油藏水驱油物理模拟相似准则,分析了各相似准数的物理意义,确定了模型参数与油藏参数进行转换的关系.提出通过选取与实际油藏储层对应的露头岩心,可以实现模型与原型中两相渗流特征、毛管力特征和非线性渗流特征的相似.所得结论为特低渗透油藏水驱油物理模拟提供了理论指导.     

土工离心模型试验中动力破坏模拟能力分析

 针对土工离心模型试验中模型与原型在动力响应、动力破坏模拟方面的相似程度,研究了不同层次的相似比尺要求下模型结构材料的选择与设计方法;对所研制的4种不同桩径的抗滑桩缩尺模型,通过离心模型试验分析了缩尺模型在不同承载力条件下动力破坏模拟的规律及破坏特点。结果表明,小桩径抗滑桩在静力条件下因承载力不足而开裂,在动力作用下可导致桩底截面裂缝贯通;较大桩径抗滑桩在静力条件下稳定,但在动力作用下可发生开裂破坏;大桩径抗滑桩在静力和动力条件下均未发生开裂,表明其具有足够的静动抗弯能力,但在高水位时大桩径抗滑桩在动力作用下可发生断裂破坏。由于研制的缩尺模型严格满足原型的相似比尺要求,因此模型试验结果能够反映原型抗滑桩的破坏机理。     

若尔当标准型的一个注记

指出了以下事实：任何矩阵都可以通过相似变换化为上三角形矩阵,矩阵对角线上的元素就是相应的特征值,且相同的特征值排在一起;进一步通过相似变换可以把矩阵化为分块矩阵,其中每一个子矩阵都只与一个确定的特征值相联系．从而任何矩阵可以通过相似变换化为若尔当标准形的直和．     

断层影响下覆岩破坏规律研究

应用ANSYS有限元分析软件和相似材料模拟实验,分析在采动和断层影响下覆岩变形破坏和矿压分布规律。结果表明：在采动影响下断层“活化”,断层带及其影响范围内的岩体破碎,表现为周期断裂步距小,冒落带高,尤其是断层下盘,顶板稳定性差。通过断层后,顶板岩体中支撑力减小,比无断层存在的情况低。但断层时于上覆岩层导水裂隙带的高度和范围的影响不明显。     

时序相似集合预报法及其在天气预报中的应用技巧

利用VB语言成功建立了应用地面自动站数据的多站多要素时序相似集合预报法,并结合实例详细阐述了相似集合预报图在天气预报应用中的技巧,突显了地面数据相似集合预报在短时、短期预报业务中不应忽视的参考性价值.     

黎氏“句本位”语法体系是经典教学语法

现代汉语语法学的开创者——黎锦熙在其代表作《新著国语文法》中创建＂句本位＂并始终坚持＂句本位＂,＂句本位＂语法体系不仅符合教学语法的种种特质,而且在汉语教学语法学史上显示了旺盛的生命力,因此被我们推崇为经典教学语法。     

汉语存现句的界定分类及其在对外汉语教学中的作用

汉语存现句一直是汉语学界研究的热点之一,针对汉语存现句界定以及分类存在的分歧问题,运用认知语言学的图形-背景理论,从哲学的类型-殊型视角,对汉语存现句进行界定和分类,并讨论其在对外汉语教学中的作用。     

汉语框架网络数据库例句辅助标注系统的设计与实现

框架网络工程是一个基于语料库的、经验性的、以框架为基础的计算机词典编撰项目。框架网络的基本单元是被称作框架的概念结构,它由三大部分组成,即框架库、词元库和例句库,而例句库又是其中的重要部分。针对构建例句库和词元库给出了一种基于汉语框架网络例句库的辅助标注系统的设计与实现的方法,介绍了配价模式的提取以及框架元素的句法实现模式的提取,并对框架元素、短语类型和句法功能分别进行了展示。     

基于关键词的RDF数据查询方法

在建立关键词倒排索引和路径索引的基础上,提出一个利用量化均衡规则和等距规则的启发式查询算法,并按照查询结果的大小排序返回最相关的前k个结果.通过建模RDF数据为RDF句子图,将文本信息封装到句子节点,同时将查询结果建模为包括所有查询关键词并且叶节点是关键词节点的无根树,将关键词查询问题转化为斯坦纳树问题.假设RDF句子图包括n个节点,最坏情况下索引占用的空间是3n2.假设关键词节点数为k,查询算法的时间复杂度为O(kn).该方法不需要依赖RDF数据的模式信息,支持对数据中的属性和关系名进行关键词查询.实验证明该方法能够快速而有效地实现RDF数据的关键词查询.