法语料库文本语义接受度评价研究

法文本语义接受度（SAS）研究属于基于语料库的SAS研究分支。以等距离系统随机抽样方法进行对比实验。抽取公式为A+BX≤C,A为起始页码,B为抽取间距,C为文本总页码,X为可取页数集。当以L’Assommoir（1953版）为语料,B∈（10;5;4;3;2;1）时,词句抽取率（SR）为9.55%,20.29%,25.13%,33.13%,50.36%和100％,SAS为0.089 7,0.084 1,0.085 4,0.084 7,0.084 8和0.085 4。依次攀升SR没有带来SAS显著变化。说明基于英日语料的SAS评价体系也适用于法文本,便于文学评论家对法文本进行量化评析。     

自然语言文本语义接受度的在线系统评价研究

语义接受度（SAS）是衡量自然语言文本可理解程度的标尺。通过结合自动文摘系统评价方法和文体学分析方法,提出了可用于在线分析英语文学文本SAS的系统评价公式,并通过诺贝尔文学获奖作品《老人与海》的语料分析验证了公式的可适用性：不同的抽取率不会引起评价值的显著差异。尽管存在域的有限性、域的单一性和在线评价相对性等不足,此公式为文学评论者借助网络进行英语文本SAS在线评价提供了便利。     

计算语义学视角下的文本风格研究

文本风格研究是计算语义学研究的领域之一。利用计算语义学的微观结构量化赋值和主题域义场分析的方法加深对不同文本语义核心的理解,推出了测算不同文本语义核心的关联值公式,以数值对比形式为不同文本的相似语义核心的测定提供了量化标准,使借助计算语义学手段进行文本风格研究成为可能。     

日语文本语义接受度评价研究

基于日语料库的粘着语文本语义接受度（SAS）研究分三步展开。首先提取『ゆきぐに』为分析文本,以等距离系统随机抽样方法取得6对比组。然后在屈折语SAS研究基础上提出适用于粘着语文本的词长定义,即百词所含5音拍及以上词数为超常用词量。最后得出结论：抽取间距由大变小引发抽取率（SR）由小变大的曲线变化;依次攀升的SR与围绕均值波动的SAS组图证明两者的非关联性,以实例验证了屈折语SAS评价公式对粘着语文本研究的可适用性。     

高速公路中央分隔带树木种植设计与行驶车辆防眩原理及其公式构建

结合不同线形的高速公路道路情况，采用几何运算方法，得出影响防眩效果的植株间距和植株高度的相关公式。其中，直线路段的植株间距公式为：L=2b＊[1＋[L1/（B1＋B2]^2]^1/2（b表示植株的正投影半径；L表示植株间距；B1、B2表示车辆纵向中线至中央分隔带纵向中线的距离；L1表示两辆车纵向距离）；平曲线路段植株间距公式为L=2（bR）^1/2（R表示中央分隔带中心线圆弧的半径）；平直线路段植株高度公式为H=h1＋（h-h1）B1/B或H=h2-（h2-h1）B2/B（h1表示车辆前照灯的高度，h2表示驾驶员视线高度，H表示中央分隔带植株的高度）；凹形竖曲线路段植株高度的公式为H=（h1＋h2）／2。     

基于双编码器的短文本自动摘要方法

针对当前生成式文本摘要方法存在的语义信息利用不充分、摘要精度不够等问题,提出一种基于双编码器的文本摘要方法。首先,通过双编码器为序列映射（Seq2Seq）架构提供更丰富的语义信息,并对融入双通道语义的注意力机制和伴随经验分布的解码器进行了优化研究;然后,在词嵌入生成技术中融合位置嵌入和词嵌入,并新增词频-逆文档频率（TF-IDF）、词性（POS）、关键性得分（Soc）,优化词嵌入维度。所提方法对传统序列映射Seq2Seq和词特征表示进行优化,在增强模型对语义的理解的同时,提高了摘要的质量。实验结果表明,该方法在Rouge评价体系中的表现相比传统伴随自注意力机制的递归神经网络方法（RNN+atten）和多层双向伴随自注意力机制的递归神经网络方法（Bi-MulRNN+atten）提高10~13个百分点,其文本摘要语义理解更加准确、生成效果更好,拥有更好的应用前景。     

LS SVM:一种有效的新闻主题追踪方法*

新闻主题追踪是对主体所感兴趣的新闻主题的发展趋势进行动态追踪,其优势在于对所感兴趣的主题基于文本模型及理解的动态追踪,因此更多地涉及文本表示与语义理解。LSSVM首先将文本利用LSI（隐含语义分析）进行分析,完成对文本基于语义的特征降维及文本表示;然后将隐含语义文本表示的结果输出给SVM进行主题追踪,从而实现从语义层次上的新闻主题追踪。实验结果表明,与传统的主题追踪相比较,该方法能够有效提高主题追踪的性能,减少追踪的错报率和漏报率。     

基于图像语义翻译的图文融合情感分析方法

多模态情感分析问题中，图像在不同情况或者对其关注点不同会产生不同的情感，为了解决图像语义理解问题，提出了基于图像语义翻译的图文融合情感分析（ImaText-IST）方法。将图像送入图像翻译模块将其翻译为图像描述，该模块融入了不同的情感表达来进行图像描述捕捉，分别生成积极、中性和消极三个情感极性的图像描述。通过三个情感极性的图像描述和数据集中的文本进行情感相关性分析，从而使得对图像情感理解更加准确。将图像语义描述、目标以及文本进行情感预测，分别采用特征融合及辅助语句的方式进行情感分析。实验结果表明，辅助语句的方式（Axu-ImaText-IST）能更好地理解图文的情感，在社交情感媒体数据集Twitter-15和Twitter-17的Accuracy和Macro-F1均高于基准模型。     

MWNTs与GNPs—CHIT修饰的过氧化氢生物传感器

在玻碳电极（GCE）上自组装一层多壁碳纳米管（MWNTs）,构建负电荷的界面,然后,静电吸附一层阳离子电子媒介体硫堇（Thi）,再由共价键作用自组装一层纳米金（GNPs）,壳聚糖（CHIT）混合溶液的复合薄膜,通过静电吸附辣根过氧化物酶（HRP）制得过氧化氢（H2O2）生物传感器。采用循环伏安法和计时电流法考察了该生物传感器的电化学性质,并研究了该修饰电极对H2O2的催化还原作用。生物传感器的响应电流与H2O2浓度在8．2×10^-6～1．1×10^-3mol／L范围内呈现线性关系,检出限为5．8×10^-7mol／L,达到95％稳态响应时间约为15s。将此生物传感器用于H2O2的检测,结果令人满意。     

基于用户和产品Attention机制的层次BGRU模型

文本情感分类的核心问题是如何有效地表示文本的情感语义,然而,目前的大多数方法只考虑到了文本内容中的情感语义,忽略了与文本内容相关的用户信息以及文本内容所描述的产品信息。已有的包含用户和产品信息方法也存在着以下两个问题：（1）不能有效地表示用户和产品信息,而且模型复杂度过高导致训练速度满。（2）文本情感语义表示模型过于简单,不能有效地表示文本中的上下文语义信息。针对以上两个问题,提出了相应的解决方案：（1）针对用户和产品的评价数据,利用奇异值分解（Singular Value Decomposition,SVD）的方法得到用户和产品的语义准确的先验信息,同时避免了用户和产品信息等相关参数的训练,缓解了模型复杂度高的问题。（2）利用双向的门循环单元（GRU）模型代替原有的简单模型,更加有效地结合了文本中的上下文语义信息。实验结果表明：相比传统的文本分类方法,提出的方法有更好的分类效果,在部分实验数据中达到了最好的分类准确度。同时模型的训练速度也得到了提升。     

H.264中一种有效的对整数DCT系数的预测方法

提出了一种在H.264中减小DCT变换和量化计算量的新的有效方法。通过理论分析,研究了Normal4×4,LumaDC4×4和ChramaDC2×2这三种变换的系数动态分布,进而对变换和量化方法的三种类型提出相应的DCT系数量化为零三个充分条件。与文献中所提到的其它方法相比,该方法更加有效、精确。理论分析和实验结果表明：在减小计算复杂度、编码视频质量、错误接受率（false acceptance rate）,错误拒绝率（false rejection rate）等方面,该方法都优于其它方法。     

GaAs（001）_β2（2×4）表面RHEED图谱的虚拟设计

为了保证有关国内一流大型仪器设备的实验教学质量,同时还能节省高校的实验耗费,在LabVIEW 8.2开发环境下,通过对反射式高能电子衍射仪（RHEED）原理、样品砷化镓GaAs（001）_β2（2×4）表面原子结构及相关固体物理学知识的深入探究,运用图形化编程语言,采用数据流编程方式,设计实现了理论情况下的GaAs（001）_β2（2×4）表面原子结构RHEED图谱。该阶段性成果使得虚拟RHEED实验系统的研究开发有了突破性进展。     

兔抗原生物敏电极的研究

采用石墨电极作为基础电极 ,将待测兔抗原用丝素蛋白溶液固定在基础电极表面 ,根据抗原抗体的单一性识别原理 ,选用山羊抗兔IgG HRP抗体与其选择性结合制作而成 .利用H2 O2 将该生物敏传感器的电位响应信号放大 ,采用直接电位法检测兔抗原的浓度 .结果符合奈斯特响应 ,兔抗原的最低检测浓度 1.0× 10 -10 mol/L ,线性范围 1.0× 10 -8～ 1.0× 10 -10 mol/L ,响应时间为 15s .这种以固定化抗原结合酶标抗体量的多少作为检测抗原浓度的新型酶免疫电极 ,在临床检测、生物医学研究等领域中有着广阔的应用前景     

MWCNTs/nano-CeO_2/PANI修饰的H_2O_2传感器

采用循环伏安和滴涂的方法在玻碳电极上制备出一种均匀且具有高电活性聚苯胺(PANI)/多壁碳纳米管(MWCNTs)/纳米氧化铈(nano-CeO2)复合膜。从膜的厚度、pH值、碳纳米管(CNTs)与nanoCeO2的质量比等方面系统地研究了复合膜探测H2O2浓度的各影响因素。结果表明:循环伏安聚合25圈的聚苯胺分散和固定CNTs,nano-CeO2,以及辣根H2O2酶的能力较好,且以CNTs与nano-CeO2的质量比为15∶1的复合膜在pH=6.4的缓冲溶液中具有较高的电活性。该复合膜修饰的电极对H2O2具有良好的响应电流,较快的响应时间(5 s),较宽的检测范围为5.0×10-6~3.95×10-4mol/L,较低的检出极限7.6×10-7mol/L(S/N=3 dB)。     

自适应阈值的宏块MAD快速帧内算法

最新的视频压缩标准H.264/AVC具有极高的压缩率,但其算法极其复杂,编码时间较长,无法达到实时应用的要求。针对其帧内预测算法的特点,提出了一种基于MAD的自适应阈值快速帧内预测算法。算法充分利用宏块的MAD（平均绝对误差,Mean Absolute Differences）信息及时空相关性,在进行帧内预测之前先对宏块预判,同时采用自适应阈值的方法在帧内4×4（I4）和帧内16×16（I16）预测模式之间快速进行选择;然后针对I4预测,采用阈值法在9种预测模式间快速选择,从而减少了算法的复杂度,提高了压缩速度。实验结果表明,所提的算法在码率只有少许增加的情况下,编码时间平均减少61.3%,PSNR值基本不变。     

Teaching Turkish-Dutch kindergartners Dutch vocabulary with a social robot: Does the robot's use of Turkish translations benefit children's Dutch vocabulary learning?

Providing first language (L1) translations in L2 vocabulary interventions may be beneficial for L2 vocabulary learning. However, in linguistically diverse L2 classrooms, teachers cannot provide L1 translations to all children. Social robots do offer such opportunities, as they can be programmed to speak any combination of languages. This study investigates whether providing L1 translations in a robot-assisted L2 vocabulary training facilitates children's learning. Participants were Turkish-Dutch kindergartners (n = 67) who were taught six Dutch (L2) words for which they knew the L1 (Turkish), but not the L2 Dutch form. Half of these words were taught by a Turkish-Dutch bilingual robot, alongside their Turkish translations; the other half by a monolingual Dutch robot. Children also completed Dutch and Turkish receptive vocabulary tests. Results of generalized linear regression models indicated better performance in the Dutch-only condition than in the Turkish-Dutch condition. Children with well-developed Turkish and Dutch vocabulary knowledge outperformed children with less well-developed vocabulary knowledge. The majority of children preferred working with the bilingual robot, but children's preference did not affect word learning. Thus, contrary to our prediction, we found no evidence for a facilitating effect of providing L1 translations through a robot on bilingual children's L2 word learning.     

量子化学方法研究阴离子表面活性剂在气液界面上的吸附

用量子化学方法中的密度泛函理论,在B3LYP/6-3IG水平上,对十二烷基硫酸钠（SDS）阴离子表面活性剂与水分子形成的水合物CH₃（CH₂）₁₁OSO₃ˉ（H₂O）_n（n=0～7）进行结构优化和频率计算。从分子水平上研究了CH₃（CH₂）₁₁OSO₃ˉ在气液界面上与水分子的相互作用。计算结果表明:（1）7个水分子与极性头均采用1:1型和2:1型,即极性头中一个氧原子或2个氧原子与水分子以氢键形式构成水合层;（2）CH₃（CH₂）₁₁OSO₃中的氧原子与水分子中的氧原子最短氢键的键长（O-O键长）在0.27～0.31 nm之间,H…O键长在0.19～0.21 nm之间,O-H…O键角在140°～167°之间,均属于中强氢键:（3）水合物R（S-O）平均键长比表面活性剂单体分子分别增长了,说明形成水合物后S-O间的键减弱;（4）结合能D₀从64.04 kJ/mol增加到.428.29 kJ/mol,说明随着水分子数的增加,所获得的7种水合物的稳定性依次增强,表明最终形成的水合层是稳定的:（5）随着水分子数增加疏水基链长收缩,亲水基总电荷增加,C12-O13-S14的键角增大;（6）由于烷烃链带有了弱电荷,使胶束内核带有了部分极性,此种极性介于烷烃油相和水相的极性之间,利于表面活性剂在溶液中的聚集。     

一种基于BP网络的H.264快速帧内模式选择算法

H.264/AVC采用17种预测模式和率失真优化模型来进行帧内模式的选择,复杂度很高。目前的快速帧内模式选择算法能有效减少模式选择的复杂度,但还存在很大的不足。提出了一种基于BP神经网络的快速帧内模式选择算法。该算法使用BP神经网络对大量视频序列预先训练的结果对宏块进行预判,得出当前宏块采用Intra16×16或Intra4×4模式,然后使用Pan Feng的方法判断具体选择何种模式。实验结果表明,该算法在保证视频质量几乎不变（PSNR平均降低约0.01 dB）的同时,可以有效减少计算复杂度,与JM86相比减少75%～83%,与Pan Feng的方法相比减少30%～70%。     

新的文本隐写分析方法

通过对自然文本的建模和特征统计发现,在自然文本中,文本单词平均长度与该文本词汇表单词的平均长度有较大差距,在通过构造法隐藏消息的隐密文本中,该差距较小。文章对隐密文本与自然文本间的差异进行分析,提出一种新的文本隐写分析算法。实验结果表明,对通过构造法隐藏消息的文本,该算法具有较高的有效性和可靠性。