基于Do-Bi-LSTM模型的电子政务文本相似度评估模型

针对当前政务系统中人工审批文本效率低下的问题,本文将文本相似度引入电子政务中。当前基于文本相似度的网络模型中,存在着生成的词向量矩阵巨大,需要大量的时间去训练,而且仅利用上下文的环境来生成词向量,忽略了文档的语序和语义的关系。为了提高效率并降低训练成本,本文提出基于Do-Bi-LSTM文本相似度计算方法,该模型首先通过Doc2vec语言模型把训练数据集中的文本转换成向量,该方法在词向量的基础上增加了文本向量,从而获取了句子之间以及段落之间的相互关系。然后把得到的向量作为Bi-LSTM网络模型的输入进行模型训练,最后与LSTM网络模型、传统的深度网络模型相比,实验表明本文方法的准确率有很大的提高,具有可行性。     

煤矿井下人员人脸轮廓提取方法

针对煤矿井下人员脸部轮廓难以提取而导致考勤系统识别率低的问题,提出了一种基于主动轮廓模型和主动形状模型的人脸轮廓提取方法。首先由主动形状模型估计初始轮廓位置,然后通过定义主动轮廓模型的能量函数,采用主动轮廓模型算法多次迭代后缩小标记点与真实轮廓之间的差距,提取由主动形状模型获得的正交插值的灰度值轮廓,即可得到人脸轮廓。实验结果表明,该方法较传统主动轮廓模型能够更精确地提取人脸轮廓形状。     

煤矿考勤系统中人脸识别算法的研究

针对传统的人脸识别算法存在识别率低甚至无法识别的缺点,提出了一种基于SURF和双向FLANN的人脸识别算法。该算法首先用SURF算法中的快速Hessian矩阵检测特征点,并生成SURF特征的描述符;然后通过Hessian矩阵迹的正负性和双向FLANN匹配的搜索算法对图像SURF描述符进行匹配,以实现人脸的识别,从而达到考勤的目的。实验结果表明,该算法在剔除匹配识别中误匹配点对的同时提高了SURF算法识别速率与正确率,保证了算法在考勤系统中的实时性。     

基于开源项目的计算机组成原理课程“嵌入式”教学模式探索

针对计算机组成原理课程教学中存在“难教、难学”的现状,分析计算机组成原理课程传统教学模式中存在的问题,提出基于开源项目的计算机组成原理课程嵌入式教学模式,从准备、设计和实施3阶段探讨如何将开源项目与课程“嵌入式”结合,最后说明教学效果。     

煤矿领域知识图谱构建

为有效分析煤矿领域知识之间的联系,将本体技术和知识图谱构建技术相结合,实现煤矿领域核心知识图谱的构建。结合煤矿领域数据特点提出一种基于七步法、METHONTOLOGY法的本体构建方法,并借助本体建模工具Protégé完成对煤矿领域本体的构建;通过对RDF三元组到图数据库结构的映射分析,将煤矿领域本体数据存储于Neo4j图数据库,实现煤矿领域核心知识图谱的初步构建;设计并开发煤矿监测监控原型系统,实现对煤矿知识的存储,有助于保障作业人员的生命安全与设备完整。     

我国煤矿安全领域研究现状及发展趋势

针对我国煤矿安全领域的研究现状,以CNKI期刊数据库1998-2017年收录的4 479篇煤矿安全领域核心文献为数据来源,运用科学文献计量法——可视化分析方法(CiteSpaceⅤ)对该领域的研究力量、研究热点等进行可视化处理与分析。结果表明:所提方法能够从整体上梳理我国煤矿安全领域研究的前沿问题、演进脉络,在一定程度上能够推动我国煤矿安全的理论研究与实践发展。     

基于语义增强的多特征融合小样本关系抽取

关系抽取是自然语言处理和知识图谱构建的一项关键任务,现有小样本关系抽取方法无法有效获取和充分利用更多的文本语义信息,为此给出一个基于语义增强的多特征融合关系抽取方法（SMPC）并应用于小样本任务中。该方法构建了一个融合位置、词性和句法依存等信息的分段卷积神经网络最大化表示语义特征,并从维基百科中抽取细粒度语义信息,将其融入词嵌入,提高模型上下文共性学习。在两种场景下对不同基线方法进行实验,分别取得最高4%和10%的准确率提升,证明了该方法的有效性。     

多任务交互式学习网络的方面情感分析

方面情感分析传统方法采用方面词抽取-情感预测的独立学习模式,未充分利用两模块的联合信息及训练过程中有价值的信息。提出基于消息传递机制的多任务交互式学习网络,模型采用细粒度属性级分类任务和篇章级分类任务联合训练,设计消息传递显式地对任务交互进行建模,通过共享隐藏变量迭代传递信息,有助于特征学习和推理。方面情感分析模块提出词级信息交互机制以及观点词抽取——情感预测信息传递通道,实现双注意力机制;利用池化操作嵌入多层GRU网络实现篇章级任务预测。设计迭代算法在方面级和篇章级任务间交替训练,通过三个数据集上的实验对比,结果表明模型在每个子任务的F1分数、模型整体性能、篇章级任务网络性能上均得到有效提高。