基于排序学习算法的智能检索系统

本文旨在解决数据资产管理系统中信息检索效率低、检索结果准确率低下的痛点,基于排序学习算法构建智能检索系统,提升检索结果和用户请求的相关性。对排序学习算法理论进行研究,对常用的排序学习算法进行相关优化,将分类问题扩展到文本排序问题之上,定义相关的目标函数及损失函数,使用机器学习的方法来提升检索结果的准确度。基于垂直分布式搜索引擎技术及排序学习算法构建智能检索系统,通过相关性工程提升检索请求转化的效率。实验表明本系统可以在优化检索速率的基础之上,提升检索语句与返回结果之间的相关性和检索的准确度。     

ＴＢＭ隧道下穿市政桥梁施工变形规律研究

针对ＴＢＭ不同角度下穿既有结构,对既有结构产生的扰动问题,依托青岛地铁１号线海泊桥站到小村庄站区间ＴＢＭ隧道下穿市政桥梁工程,利用ＦＬＡＣ３Ｄ数值模拟分析软件与现场施工监测相结合的方法,建立相应的三维地质力学模型,研究双线ＴＢＭ隧道施工对既有桥梁结构的受力特征与变形规律,揭示ＴＢＭ隧道下穿市政桥梁施工变形规律。计算结果表明:ＴＢＭ下穿会导致既有桥面板向上隆起,左线隧道开挖引起的桥面板隆起值要远远大于右线开挖;当左线隧道开挖到桥梁跨中时,桥头与桥尾隆起量最大,最大值约４．６３ｍｍ;新建隧道下穿既有结构尽量采用小角度下穿,避免既有结构发生大变形。     

扩建工程对原泵房结构安全性影响分析

介绍了扩建工程是否影响原泵房结构安全以及沉降缝处裂缝是否会继续扩展和检测方法,并得出安全性鉴定结论,并给出处理意见。     

跨区域指挥通信系统的关键技术实现

考虑到跨区域行动的应用场景，针对在跨区域指挥通信系统开发过程中遇到的问题，对通信系统中群组聊天的功能进行研究。因为行动具有机密性和隐秘性的特点，特此提出并设计了可靠信息指引功能。在实际的使用过程中，证明了群组聊天功能改进的必要性，提高了通信效率，可靠信息指引的功能设计更提升了通信过程中的安全性。     

岩藻聚糖硫酸酯的硫酸化修饰对其生物活性的影响

岩藻聚糖硫酸酯是一种硫酸化多糖,因其具有多种生物活性而得到广泛的研究,有研究表明岩藻聚糖硫酸酯的生物活性与其硫酸基团含量与位置息息相关。因此,对岩藻聚糖硫酸酯进行硫酸化修饰将有利于提高其生物活性。简述了硫酸基团对岩藻聚糖硫酸酯活性的影响以及岩藻聚糖硫酸酯的硫酸化方法,介绍了硫酸化修饰后的岩藻聚糖硫酸酯生物活性的变化,以期为岩藻聚糖硫酸酯硫酸化修饰的应用与发展提供理论参考。     

木蜡油改性木材的研究进展

木材是一种可再生材料,被广泛使用在家装建材等领域。木材随外部环境因素的改变,易吸湿滋生真菌,导致稳定性和强度下降。木蜡油由天然蜡和天然油组成,具有无毒无害、绿色天然的特点。总结了木蜡油和植物油的特性与区别,以及木蜡油常用改性木材的方法——表面涂饰和浸渍;阐明了常压普通浸渍和真空浸渍的应用与区别。真空浸渍利用负压加快浸渍速度,在制造透明木材、高性能木材、超疏水木材等方面具有诸多应用。木蜡油改性木材能够降低其吸湿性,增加木材表面的疏水性、木材尺寸稳定性和耐候性。对木蜡油改性研究进行了展望,为进一步研究高性能木蜡油木材改性方式提供了思路和建议。     

甲胺磷重异构化的探讨

后异构化法生产甲胺磷是酰胺在硫酸二甲酯催化作用下发生异构化而生成甲胺磷: 该异构化反应于70℃左右达到动态平衡。根据目前生产情况分析,85％的酰胺能异构成68％含量的甲胺磷,尚有15％左右的酰胺未转化,甲胺磷与酰胺之比例为4.67:1。若能有一种简单易行的方法分离甲胺磷与酰胺,然后使酰胺重新异构化,是提高甲胺磷生产收率的好途径。     

活动断层下城市地铁隧道变形破坏与损伤

依托某跨断层隧道工程,建立断层-隧道-围岩的精细化三维数值模型,考虑实际盾构施工中的注浆压力、顶推力、注浆时效硬化和材料的非线性行为。通过数值模型分析盾构隧道穿越不同宽度、倾角、倾向的断层破碎带时的变形机制、力学特性及损伤演化,利用控制变量法分别改变断层的宽度、倾角和倾向来研究单一变量的影响。研究结果表明：隧道拱顶的变形和损伤面积与断层宽度的增加呈现正相关,随着断层宽度的增加拱顶挤压现象更加明显,但当断层宽度增加至一定限值时,衬砌拱顶将脱离围岩向洞内凹陷,拱顶的应力呈现先增大后减小的趋势;随着断层倾角的增加,衬砌拱顶向洞内收敛量先增后减小,初始损伤位置与断层倾角相关;断层倾向增加使隧道的损伤范围和程度不断减小,环向应力集中受断层倾向影响较明显,随断层倾向的增加,雷达应力图由“X”逐渐转变为“十”字形。在隧道选址阶段,应尽量让隧道正交穿越断层且在穿越较宽的断层时提前采取预加固措施来保证隧道的安全稳定性。     

非独立同分布文本情感表示学习方法

非独立同分布文本的情感分析往往极具挑战,因其是一类包含词句间耦合关系和同词（句）多义性特点的复杂文本。现有方法中,几乎没有可以全面捕获非独立同分布文本特性的方法用于情感分析。面向情感分析的非独立同分布文本表示学习方法对文本中层次化存在的耦合关系和多义性问题进行建模,将这些决定着情感极性的非独立同分布特点嵌入到文本的向量表示中。非独立同分布文本表示学习方法通过一种带注意力机制的多尺度层次化深度神经网络实现。该神经网络利用多尺度卷积循环结构捕获文本中的耦合关系,利用注意力机制消除文本中的多义性。同时,该神经网络层次化地融合了由深度学习生成的隐式特征表示和由文本情感先验知识构造的显示特征表示,以防止数据过拟合问题并强化情感表示能力。充分的实验表明,非独立同分布文本表示学习方法可以显著增强文本情感分析的性能。