基于师门关系的研究团队挖掘算法

为了更合理地挖掘研究团队,提出了一种基于师门关系的研究团队挖掘算法。首先,使用BiLSTM-CRF神经网络模型抽取学位论文致谢部分的师门和同门命名实体;其次,构建师生之间的指导合作关系网络;然后,改进鲁汶算法,提出基于师门关系的鲁汶算法来实现研究团队挖掘。在American College football等数据集上对比了标记传播算法、聚集系数算法与鲁汶算法的性能。此外,在三个不同规模的学位论文数据集上对比基于师门关系的鲁汶算法和原始鲁汶算法的运行效率。实验结果表明,数据规模越大,基于师门关系的鲁汶算法运行效率提升越明显。最后,在国防科技大学学位论文数据集上验证基于师门关系的鲁汶算法的研究团队挖掘性能。实验结果表明,所提算法挖掘的研究团队在团队的合作紧密程度、规模、内部联系和稳定性这四个方面比基于论文合作网络的挖掘方法更为合理。     

最小化误差平方和k-means初始聚类中心优化方法

传统的k-均值算法对初始聚类中心和孤立点敏感,文中以最大程度地减少误差平方和为基本思想,提出一种最大化减少当前误差平方和的k-means初始聚类中心优化方法。在初始聚类中心选择阶段,每次增加聚类中心时,计算所有数据点作为当前聚类中心能够减少的误差平方和,选择能够最大化减少误差平方和的数据点作为聚类初始中心。利用真实数据集,同其他算法进行对比,实验结果表明该方法在选择初始聚类中心方面能够有效地减少聚类的迭代次数,提高聚类质量。同时人工模拟数据表明该方法对孤立点相对不敏感。     

基于多神经网络协作的电子病历命名实体识别方法

随着电子病历在医疗领域的推广应用,越来越多的研究者关注如何高效地从电子病历中抽取高价值科研信息。CHIP2018将中文电子病历临床医疗命名实体识别作为评测任务,即从中文电子病历中抽取三种恶性肿瘤相关的实体。结合三种实体的特点和实体间的依赖关系,提出基于多神经网络协作的复杂医疗命名实体识别方法,并实现了句子级别的模型迁移,解决了训练数据集数量和质量问题,最终获得了该评测任务的第二名。此外,该方法的改进方法取得了CCKS2019评测任务一的第一名,印证了其有效性和泛化能力。     

高密度等静压石墨的制备与微观结构表征

本研究旨在深入探讨高密度等静压石墨的制备与微观结构表征,详细介绍石墨等静压制备的工艺流程。同时,阐述了石墨等静压制备的微观结构表征方法。在实验结果与讨论部分,通过对所得数据的分析,揭示了不同工艺参数对高密度等静压石墨的微观结构具有显著影响,得出结论：在高密度等静压石墨制备中,优化原料预处理、调整加工参数,能够有针对性地控制微观结构,显著提升孔隙度、改善晶体排列,从而改良石墨的物理性能,为其广泛应用提供了科学依据。     

低碳合金白口铸铁磨球工业性试验与应用

1 前言1988年以前,金堆城钼业公司选矿厂磨矿生产一直使用普通碳素钢铸造钢球(以下简称钢球)。钢球的消耗量较大,其单耗平均约2.0kg/t 原矿。钢球消耗费用较高,约占钼精矿选矿成本的20～23%。寻求新型耐磨的磨球代替钢球,降低磨球费用是降低生产成本和提高企业经济效益的一大关键。近年来,我公司多次进行了不同材质的磨球试     

基于ADAMS和SolidWorks的收割机拨禾轮的建模与仿真

本文根据山地微型联合收割机拨禾轮的功能要求,运用SolidWorks建立三维实体模型,并在此基础上运用ADAMS分析软件,对该偏心拨禾轮的性能进行分析和仿真,为山地微型联合收割机样机偏心拨禾轮的设计和制造提供一定的依据。研究结果表明,运用ADAMS和SolidWorks联合仿真可以实现偏心拨禾轮的快速设计和准确分析,缩短设计周期,在设计阶段找出设计的不足之处。根据设计参数建立的偏心拨禾轮虚拟样机满足设计要求,达到预期设计目的。     

一种无碱无氯型水泥质量改进剂(英文)

本文通过激光粒度分析、休止角测定、水泥物理性能测试等物理、化学分析等方法,从助磨和增强的角度,比较了三乙醇胺与三乙丙醇胺对普通硅酸盐水泥粉体特性及水泥浆体物理化学性能的影响。结果表明:质量改进剂生产原料完全可以脱离传统助磨剂三乙醇胺,其对水泥具有良好的助磨和增强作用,水泥3d,28d强度提高均达10%左右,并且有效提高了磨机产量(达15~20%)。     

利用Flash实现单片机系统的在线维护

本文讨论了单片机系统在线维护的原理,并以AT89C52单片机为例,介绍了通过串行通信在线维护单片机系统的实现方法及其注意事项。     

件货物资装卸输转的自动控制系统

件货物资装卸输转的控制系统实现了变幅单元在一定高度范围内自由升降,伸缩单元的水平伸缩与转弯变向,就地控制与集中控制并存,具有货物识别及统计管理功能,保证货物装卸输转的同步流畅,不仅提高装卸效率,而且降低劳动强度和成本,具有多重现实意义。     

面向中文医疗事件的联合抽取方法

临床病历电子化的推广普及使得利用自动化的方法从病历中快速抽取高价值的信息成为可能.作为一种重要的医学信息,肿瘤医疗事件由描述恶性肿瘤的一系列属性构成.近年来,肿瘤医疗事件抽取已成为学术界的一个研究热点,众多学术会议将其发布为评测任务,并提供了一系列高质量的标注数据.针对肿瘤医疗事件属性离散的特点,文中提出了一种中文医疗事件的联合抽取方法,实现了肿瘤原发部位和原发肿瘤大小两种属性的联合抽取和肿瘤转移部位的抽取.此外,针对肿瘤医疗事件标注文本的数量和类型少的问题,提出了一种基于关键信息全域随机替换的伪数据生成算法,提升了联合抽取方法对不同类型肿瘤医疗事件抽取的迁移学习能力.所提方法获得了 CCKS2020中文电子病历临床医疗事件抽取评测任务的第三名,在CCKS2019和CCKS2020数据集上的大量实验验证了所提方法的有效性.