堆肥污泥复合载体固定化微生物修复石油污染土壤

为了修复石油烃污染土壤并实现堆肥污泥的有效利用，以堆肥污泥和海藻酸钠作为复合载体，固定实验室筛选出的高效石油烃降解菌群制成复合载体固定化小球，用于修复石油烃污染土壤。考察了堆肥污泥质量分数、粒径大小对固定化小球性能的影响，通过扫描电镜观察堆肥污泥添加前后固定化小球中菌群的变化，比较了不同处理方法修复石油烃污染土壤的方案，确定了最佳修复方法。结果表明：当添加堆肥污泥的质量分数为1%时，固定化小球传质性能达到56%;当堆肥污泥的粒径从0.60 mm减小到0.25 mm时，石油烃的吸附率提高了17.14百分点；添加堆肥污泥制备的固定化小球处理土壤后，其内部可观察到的菌体数量明显增多，且降解后土壤中碳数≤15的石油烃占比增加，微生物群落丰度更高，是最佳的污染土壤修复方法。     

基于BERT和题干要素语义增强的高考阅读理解自动答题

高考阅读理解试题因其语言复杂度高和自动答题难度大，已成为机器阅读理解领域一项具有挑战性的任务。现有的答题方法普遍关注选项与材料的语义相似性，易于忽视题干信息对正确答案的要求，基于此，提出一种基于BERT与题干要素语义增强的高考阅读理解自动答题方法。通过构建问题模板的方式获取题干关键要素信息并生成问题标签；通过改写题干内容统一题干要求；将问题标签与BERT模型相结合完成答案选择。在高考数据集上的实验结果表明，该方法比多个典型的机器阅读理解基线模型取得了更好的效果。     

融合框架表示的汉语框架网词元扩充

由于汉语框架网(CFN)的词元覆盖不全，使得CFN不能在大规模真实的文本中进行框架语义分析。框架语义学通过建立框架来解释词语的意义，框架与词语具有一定的语义相关性，而现有的方法在词元扩充任务中往往忽略了这种语义相关性。为此，提出一种融合框架表示的神经网络模型用于CFN词元扩充。利用双向LSTM对词语的词典释义和框架名进行建模，采用注意力机制得到与框架相关的词典释义表示；将框架语义表示和词典释义表示融合，从而得到词典中每个词的得分，输出得分高的词语。实验结果表明，该方法有效提高了CFN词元扩充的准确率，且优于基线模型。     

多孔有机聚合物在传感领域中的研究进展

多孔有机聚合物(POPs)是由轻质元素(C、H、O、N、B等)通过较强的共价键相互连接而形成的一类二维或三维多孔网状结构的多孔材料。其由于具有较大的比表面积，丰富的孔隙结构，极高的孔隙率，物理化学稳定性，以及易于功能化等特性，近年来人们在传感器应用领域中进行了较为深入的研发。总结了近年来各种POPs在气体传感、金属离子传感、爆炸物传感、药物传感、生物传感等领域的研究进展，并探讨了未来的技术发展方向与前途。     

生物气溶胶采样器采样效率计量评价方法研究进展

对生物气溶胶中微生物的采集、种类鉴别与浓度监测是评估生物气溶胶风险性的关键步骤。生物气溶胶采样器对气溶胶中活性微生物粒子的有效采集，是进行气溶胶危险因子分析的前提。通过对生物气溶胶采样器性能、采样物理效率和采样生物效率的不同计量评价方法进行分析和综述，以期为评价方法的规范一致和标准化提供参考。     

结合Hybrid Attention机制和BiLSTM-CRF的汉语否定语义表示及标注

阅读理解中否定是一种复杂的语言现象，其往往会反转情感或态度的极性。因此，正确分析否定语义对语篇理解具有重要意义。现有否定语义分析方法存在两个问题：第一，研究的否定词较少达不到应用目的；第二，目前汉语否定语义标注只是标注整个句子，这无法明确否定语义。针对该问题提出基于汉语框架语义知识库（Chinese FrameNet）进行否定语义角色标注方法。在框架语义学理论指导下结合汉语否定语义特征对已由FrameNet继承的否定框架重新构建；为了解决捕捉长距离信息以及句法特征问题，提出一种基于Hybrid Attention机制的BiLSTMCRF语义角色标注模型，其中，Hybrid Attention机制层将局部注意与全局注意结合准确表示句子中的否定语义，BiLSTM网络层自动学习并提取语句上下文信息，CRF层预测最优否定语义角色标签。经过比对验证，该模型能够有效提取出含有否定语义信息，在否定语义框架数据集上F1值达到89.82%。     

基于MAX2830和FPGA的软件无线通信平台研究

根据物联网应用背景和技术需求，设计了基于MAX2830和FPGA的无线通信系统架构。针对射频收发电路，采用MAX2830零中频电路方案实现2.4 GHz的信号收发电路；针对数字基带处理单元，在FPGA上进行通信算法优化移植研究，设计了开放式的自有协议，其兼容BLE通信协议，免于授权。对系统性能的测试验证了平台的可行性，最大发射功率达19.73 dBm,接收灵敏度达-88 dBm,支持的频偏范围符合接收需求。基于此软件无线电平台可以动态重建通信体制和模式，适用于多种通信场景，具有重要工程应用及研究价值。     

面向篇章的框架关系预测的表示学习

框架关系可以描述框架与框架之间的语义关系，通过对篇章构建框架关系图发现图中存在孤立框架，一个篇章表达的是一个语义整体，框架间关系缺失阻碍了篇章句子之间建立联系。针对该问题，进行面向篇章的框架关系预测方法研究，分别使用WSABIE算法、Word2vec方法和TransE方法训练得到框架表示作为关系预测的输入；使用余弦相似度方法和以Hing-loss函数为优化目标的神经网络方法进行实验，并在神经网络中融入框架本身的属性信息——框架定义。实验结果验证了基于知识图谱表示学习方法(TransE方法)的优越性以及框架定义信息的有效性，提升了框架关系预测的性能。