IBM－PC机多模块宏汇编程序之间数据通信的实用方法

编写多模块汇编程序时，不同模块之间的数据通信是一个不易处理好的问题。本文通过二个实例介绍了两种简单而又实用的方法，使多模块汇编程序之间的数据通信过程大为简化，并且易于理解、掌握和使用。参３。     

联合实体边界检测的命名实体识别方法

针对传统命名实体识别方法无法有效利用实体边界信息的问题,提出一种联合实体边界检测的命名实体识别方法,即将实体边界检测作为辅助任务,增强模型对实体边界的判断能力,进而提升模型对实体的识别效果。首先,利用Bert预训练语言模型对原始文本进行特征嵌入获取词向量,并引入自注意力机制增强词对上下文信息的利用;其次,在命名实体识别任务的基础上,添加实体边界检测辅助任务,增强模型对实体边界的识别能力;再次,对比联合实体边界检测的命名实体识别方法与基线方法的有效性,并对测试结果进行消融实验;最后,进行样例分析,分析损失权重β对实体边界检测的影响。实验结果表明,在英文社交媒体数据集Twitter-2015上,联合实体边界检测的命名实体识别方法相较于基线模型取得了更高的精准率、召回率和F1值,其中F1值达到了73.57%;并且,边界检测辅助任务提升了基线方法的检测效果。所提方法能有效利用实体边界信息,从而获得更好的实体识别效果,促进了人机交互系统的发展,对自然语言处理下游任务有重要意义。     

从图形“实体”到几何“存在”——对笛卡尔解析几何的哲学反思

笛卡尔的解析几何与欧几里得的《几何原本》在点、线和空间等基本概念上有较大差异。相对于《几何原本》:解析几何中的点可相互区分,且依赖于与其它点的关系而存在;曲线的存在依赖坐标空间整体,同时是点的运动轨迹,与物理运动的可能路径相关;坐标系通过量化空间,提供了对于空间的完整构造。从图形实体到几何存在,是笛卡尔对于数学实在和存在方式所作的区分。     

多模态语义协同交互的图文联合命名实体识别方法

针对现有多模态命名实体识别(Multimodal Named Entity Recognition, MNER)研究中存在的噪声影响和图文语义融合不足问题,本文提出一个多模态语义协同交互的图文联合命名实体识别(Image-Text Joint Named Entity Recognition, ITJNER)模型。ITJNER模型加入图像描述作为额外特征丰富了多模态特征表示,图像描述可以帮助过滤掉从图像特征中引入的噪声并以文本形式总结图像语义信息;还构建了多模态协同交互的多模态语义融合模型,可以加强多模态信息融合,并减少图像信息的语义偏差。在Twitter-2015和Twitter-2017数据集上进行方法实验,分析实验结果并与AdaCAN、UMT、UMGF、Object-AGBAN等方法进行对比。相较于对比方法中的最优方法UMGF,本方法在Twitter-2017数据集上的准确率、召回率、F1值分别提高了0.67%、2.26%、0.93%;在Twitter-2015数据集上,召回率提高了0.19%。实验结果验证了本方法的有效性。     

基于行为目标的课程设置模式——解读泰勒《课程与教学的基本原理》

行为目标是泰勒<课程与教学的基本原理>一书中关键词之一.它是制定教育目标、选择学习经验、组织学习经验、评价教育目标的核心.在<课程与教学的基本原理>中,泰勒详细介绍了行为目标的相关概念,以及与它相关的需要与兴趣等因素和基于行为目标的评估模式.     

二维工程装配图快速消隐的一种新方法

本文论述了ＡｕｔｏＣＡＤ软件中用零件图叠加生成二维装配图时随机自动消隐的一种快速有效的新方法──选择集实体搜索法，由于该法是在Ａｕｔｏ ＣＡＤ支持下运行的，因此与其他消隐方法相比具有编程简单、使用方便、耗时少、效率高和实用性强等优点。     

论有名合同与无名合同的法律适用

合同法分则中具体规定了15种有名合同的法律适用,并对15种有名合同之外的无名合同规定了法律适用的原则。结合合同法总则的规定,可以对合同的法律适用作出如下归纳：15种有名合同适用总则和相应的分则;15种之外的有名合同适用总则和相应的其他法律规定;无名合同则适用总则和比照适用最相类似的分则。而在比照适用法律时,还是要遵循诚实信用原则、交易习惯优先以及适度的法官自由裁量权。     

结合上下文词汇匹配和图卷积的材料数据命名实体识别

材料领域的文献中蕴含着丰富的知识, 利用机器学习和自然语言处理等手段对文献进行数据挖掘是研究热点. 命名实体识别(named entity recognition, NER)是高效利用挖掘和抽取数据中信息的首要步骤. 为了解决现有实体识别方法中存在的向量表示无法解决一词多义、模型常提取上下文特征而忽略全局特征等问题, 提出了一种基于上下文词汇匹配和图卷积命名实体识别方法. 该方法首先利用 XLNet 获取文本的上下文动态特征, 其次利用长短期记忆网络并结合文本上下文匹配词汇的图卷积神经网络(graph convolutional network, GCN)模型分别获取上下文特征与全局特征, 最终经过条件随机场输出标签序列. 2 种不同语料对模型进行验证的结果表明, 该方法在材料数据集上的精确率、召回率和 F1 值分别达到 90.05%、88.67% 和 89.36%, 可有效提升命名实体识别的准确率.     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.     

基于蚁群优化的命名数据网络QoS路由研究

针对命名数据网络(NDN)具有多样的路由转发策略,但都未能实现NDN的服务质量(QoS)保障能力,利用蚁群优化算法(ACO)设计相应的QoS路由机制(ACO_QoS)能够保障NDN的服务质量.实验结果表明:ACO_QoS能够在满足QoS的前提下找到一条花费最小的路由.