一类具有标准发生率和总人口变化的SIRS模型的全局稳定性分析

考虑总人口变化且康复个体不具终身免疫的情况,建立了一类具有标准发生率的SIRS传染病模型。应用更新方程得到了模型的基本再生数R0。通过构造Lyapunov函数证明平了衡点的全局稳定性。结果显示:当R₀<1时,无病平衡点是全局渐近稳定的;当R₀>1且失去免疫的速率(δ)充分大时,地方病平衡点是全局渐近稳定的。     

目标依赖的新闻事件识别

海量新闻文本中往往涉及多个实体,并蕴含复杂多样的事件.为了挖掘这些实体、事件信息,先前的以事件为中心的事件抽取方法大多先检测事件,再抽取事件论元.受限于触发词和事件识别,该方法无法应用于真实工业场景下的新闻事件抽取.考虑到命名实体识别(named entity recognition, NER)的性能达到90%以上,提出了以目标实体为视角的事件抽取任务—目标依赖的事件识别(target-dependent event detection, TDED),旨在抽取出实体并识别其对应的事件.基于该任务,提出了先抽取实体再识别目标级事件类型的两阶段模型框架.该模型融合了事件关键词和句法依存距离特征,能够学习目标依赖的上下文信息.在构建好的真实中文金融数据集上的实验结果表明,该模型抽取性能较佳,即使在句中存在多个实体或事件的复杂情形下也能取得很好的性能表现.