基于全局和局部特征感知网络的关系提取方法

关系提取旨在从大量的非结构化数据中提取实体对间的关系。目前,大多数神经网络仅考虑单分支信息流,难以获取足够的语义特征来进行关系提取。针对此问题,该文提出一种基于全局和局部特征感知网络的关系提取方法。该方法首先利用自注意力机制和循环神经网络获取单词的相关性时序特征。其次,构建多分支特征感知卷积神经网络,分别获取全局和局部相关性时序特征,避免全局和局部感知的相互影响。进一步地,对这两种特征进行拼接和筛选,以全面表示句子的重要语义特征。最后,结合Softmax分类器实现关系提取。实验结果表明,该文所提方法优于主流的基于卷积神经网络和循环神经网络的关系提取方法,在标准的SemEval-2010 Task 8和KBP37数据集上F₁值分别达到86.1%和64.9%。     

车削主轴单元的技术现状与研究

本文指出了车削主轴单元在数控机床技术发展中的重要地位和作用,论述了国内外主轴单元的发展现状和发展趋势,分析了主要竞争对手的情况,提出了为适应我国主轴单元技术的快速发展应进行的研究内容.     

风管清扫机器人智能清洁度评估系统的研究

本文首先简单介绍了风管机器人视觉检测系统的组成,包括照明系统、摄像头、图像采集卡、图像采集软件以及图像分析软件。随后重点介绍对基于Matlab的风管清洁度评估进行介绍,利用Matlab的图像处理功能对采集到的风管内部图像进行预处理,并依据特定的算法对其清洁度进行评估。     

高效液相色谱法测定硝基苯催化加氢的反应产物

采用高效液相色谱和紫外检测器对硝基苯催化加氢的反应产物进行检测.硝基苯催化加氢后的反应液用0.45μm的微孔过滤膜(水系)进行过滤,然后用甲醇稀释后进样.实验利用直接与已知标准物对照的保留值定性方法进行定性分析,采用外标法进行定量分析,通过实验求得了硝基苯、苯胺和对氨基苯酚的线性回归方程,相关系数分别为0.998 6、0.999 8和0.999 9,方法检测限分别为2.0、20.0、21.0 mg/L,三者的回收率分别为97.6%、97.5%和98.1%,以相对标准偏差表示的精密度分别为0.62、0.77和0.36.所建立的方法迅速准确简单,不需要对样品进行预处理,实验结果比较令人满意.     

PTN技术及其在3G传送网中的应用

文章介绍了PTN组网拓扑和保护方式,比较了PTN相对于其他承载技术的优势,对PTN在3G承载方面的安全性、多业务承载能力和QoS等关键问题做了分析和探讨。同时面向某移动运营商提出PTN承载网络的部署实例。     

日本“家”制度影响下的日本企业

日本的＂家＂制度区别于中国的＂家＂制度,我们会经常听到＂以公司为家＂,那么在这一制度的影响下,日本企业呈现其独有的特征。本文旨在分析日本＂家＂制度影响下的日本企业,阐述其特征及影响。     

一个有效的基于信息熵的启发式属性约简算法

基于信息熵的属性约简算法都是以信息熵为启发信息设计的,其时间复杂度并不理想.为降低算法的时间复杂度,引入简化决策表的定义,设计了一个求简化决策表的算法,其时间复杂度为O(|C||U|).以快速缩小简化决策表的搜索空间为目的,定义了一个新的、较为合理的、度量属性的信息量,并给出了它的递归计算方法,其时间复杂度为P(| U/C|).同时证明了简化决策表上基于信息量的属性约简与原决策表上基于信息熵的属性约简是等价的.然后以属性的信息量为启发信息,设计了一个基于信息熵的快速属性约简算法,其时问复杂度降为max(O(|C||U|),O(|C|2|U/C|)),并用一个实例说明算法的有效性,实验结果表明新算法不仅具有高效性,且能处理大型决策表.     

一种新的频繁项集精简表示方法及其挖掘算法的研究

频繁项集挖掘是数据挖掘研究领域的一个基本问题,其瓶颈在于频繁项集全集的结果过多,冗余现象严重.主要的解决思路是只挖掘全体频繁项集中有代表性的子集,使得这种子集或者可满足应用的需要或者可由它们导出其他项集.最大项集和闭项集便是这类解决方案中两种最典型的子集形式.在最大项集和闭项集的基础上,提出了元项集这一新的频繁项集精简表示方法.首先,证明了最大项集和闭项集都是元项集的特例,且元项集所包含的项集数目介于二者之间;其次,讨论了元项集的性质.最后,通过在闭项集挖掘算法DCI-Closed-Index的基础上引入剪枝策略,设计了一个元项集挖掘算法.实验结果表明,所提出的挖掘算法是有效的和高效的.     

一种快速计算HU差别矩阵的属性约简算法

在已有的基于HU差别矩阵的属性约简算法中,一般是以差别矩阵中的元素作为启发信息而设计的,其时间复杂度为O(|C|2|U|2).为降低该属性约简算法的时间复杂度, 首先引入简化决策表的定义,并设计了一个求简化决策表的算法,其时间复杂度为O(|C||U|).然后在简化决策表的基础上,定义了差别区域,并给出基于差别区域的属性约简定义,同时证明了基于差别区域的属性约简与基于差别矩阵的属性约简等价.在此基础上,以快速缩小简化决策表的搜索空间为目的,定义了一个新的、较为合理的、度量属性重要性的公式,并给出了它的递归计算方法,其时间复杂度为O(U/C|).最后以属性重要性为启发信息,设计了一个基于差别矩阵的快速属性约简算法,其时间复杂度降为max(O(|C||U|,O(|C|2|U/C|)),并用一个实例说明了新算法的高效性.理论分析与实验表明,新算法具有较好的扩展性.     

一种改进的频繁闭项集挖掘算法

频繁闭项集惟一确定频繁项集且规模小得多,但挖掘频繁闭项集仍是很费时的.为提高挖掘效率,提出了一种改进的频繁闭项集挖掘算法DCI-Closed-Index.该算法用"索引数组"来组织数据,通过为每个项目增加包含索引,找到频繁共同出现的项集.利用二进制位图技术,给出了一个求包含索引的快速算法.然后根据项目在包含索引中出现的频率由高到低进行排序,并利用包含索引作为启发信息,合并同时出现且支持度相等的频繁项,得到初始生成子,从而大大缩小了搜索空间.同时利用索引数组对每一个生成子的前序集和后序集进行约简,得到新的、较小的约简前序集和约简后序集.并证明了约简前序集和后序集与原来的前序集和后序集的功能是一样的.从而减少了候选生成子的集合包含判断的操作.实验结果表明,该算法的性能优于其他主流算法.