超临界CO2萃取暗紫贝母挥发油及其化学成分分析

[目的]研究暗紫贝母超临界CO₂挥发油中的化学成分及其含量的测定.[方法]采用超临界CO₂萃取法提取暗紫贝母挥发油,通过气相色谱-质谱法(GC-MS)结合NIST谱库检索对其化学成分进行鉴定,同时采用峰面积归一法对各成分的相对百分含量进行测定.[结果]GC-MS分析显示,从暗紫贝母挥发油中共分离得到39个组分,并鉴定其中32种成分,包括酯类化合物(26%)、醇类化合物(21%)、烷烃类化合物(20%),相对百分含量较高的有1-二十三醇(3.61%),七氟丁酸三十四烷基酯(3..59%)和反式-(2,3-二苯基环丙基)甲基苯基亚砜(3.24%)等.[结论]本研究完善了暗紫贝母挥发油的成分及其相关含量,为暗紫贝母的开发利用提供依据.     

面向神经机器翻译的正向翻译与反向翻译相结合的改进方法

虽然源语言和目标语言单语数据已被证明通过正向翻译和反向翻译改进神经机器翻译非常有用,但如何更有效的同时使用还值得更深入的研究.为了在神经机器翻译中更有效地同时使用源语言和目标语言单语数据,本文提出了一种基于集束搜索的正向翻译和基于最优N随机采样的反向翻译的组合方法.具体地,将该方法应用于第十七届全国机器翻译大会(CCMT 2021)汉英和英汉新闻领域的翻译评测任务,实验结果表明,与其他常用的单语数据增强方法相比,该方法可以更有效地提升神经机器翻译模型的翻译质量.此外,在使用该方法之前,先进行领域知识迁移还可以进一步取得翻译质量的提升.