面向招投标领域的远程监督实体关系抽取研究

招投标网站资源中蕴含着丰富的情报信息。“远程监督”方法借助知识库自动标注数据,弥补了传统信息抽取方法在语料准备阶段对人工强依赖的缺陷,可有效提高信息抽取效率。该方法会引入噪声数据,导致信息抽取效果不够理想。因此,提出一种基于因子图模型的远程监督实体关系抽取方法,并结合领域特征,采用知识融合技术提高实体抽取质量,进而针对远程监督的缺陷提出基于负例数据学习的降噪方法。实验结果表明,该方法能够有效减少“噪声”干扰,提高关系抽取性能。     

金融领域的事件句抽取*

事件句抽取是事件抽取中的核心环节,而在金融领域中,公司名识别则是事件句抽取中的重点和难点。从金融领域的事件句抽取出发,首先充分利用互联网搜索和上市公司名信息进行公司名识别：如果一个N元组是公司名,则进行互联网搜索,其结果中包含“公司”、“集团”等字词多,同时和已经的公司名有较高的匹配度。其次,综合考虑句子位置信息、包含公司名信息、包含领域动词信息、与标题相似度四个方面特征,构造权值表达式。最终从句子集中选出金融事件句。实验表明,公司名识别方法的正确率可达82.28%,召回率达68.93%;事件句抽取的正确率可达66.83%。     

无人机小目标检测综述

在无人机技术的驱动下,无人机小目标检测成为当前计算机视觉领域的一个热点和难点。为理清当前无人机小目标检测的发展现状,首先介绍了两种小目标的定义形式,并分析总结出目前无人机小目标检测所面临的难点。之后总结当前常用的无人机小目标检测方法,并在每一个方法后面总结分析了其优缺点。接着总结了每种方法在其论文所实验的数据集上的表现结果。然后对部分常用无人机目标数据集进行了介绍。最后总结了全文并提出了未来能够提升无人机小目标检测性能的研究方向。     

可持续闭环供应链网络的多目标优化研究

针对可持续的闭环5供应链网络优化问题,考虑柔性供应策略、设施改造对网络优化的影响,并以经济成本最小、碳排放量最低、社会效益最大为优化目标,构建了多目标的多情景-模糊优化模型。针对模型中的不确定参数,用三角模糊数与多情景优化的方法处理其模糊性和随机性,然后根据不同的分析角度,分别用线性加权法和NSGA-[Ⅱ]算法对模型进行求解,基于算例的求解结果,对目标权重的灵敏度、模型的稳健性以及目标间的冲突性进行了分析。证明了考虑柔性供应策略和设施改造问题的必要性;给出了闭环供应链网络设计的决策建议。     

基于注意力机制和生成对抗网络的飞行器短期航迹预测模型

针对单一长短时记忆（LSTM）网络在航迹预测上无法有效提取关键信息以及难以精准拟合数据分布等问题,提出基于注意力机制和生成对抗网络（GAN）的飞行器短期轨迹预测模型。首先,引入注意力机制对航迹赋予不同的权重,以提升航迹中重要特征的影响力;其次,基于LSTM提取航迹序列特征,并经汇聚层汇集时间步长内所有的飞行器特征;最后,利用GAN在对抗博弈下不断优化的特性来优化模型,从而提高模型的准确性。相较于社会生成对抗网络（SGAN）,所提模型在处于爬升阶段的数据集上的平均位移误差（ADE）、最终位移误差（FDE）及最大位移误差（MDE）分别降低了20.0%、20.4%和18.3%。实验结果表明,所提模型能更精确地预测未来航迹。     

HDFS平台上以能效为考量的小文件合并

为了解决Hadoop分布式文件系统(HDFS)平台上小文件的存在带来MapReduce程序运行能耗成本偏高问题,建立Hadoop节点集群的能耗模型进行分析推导,证明了在Hadoop平台上,存在能使程序运行能耗成本最低的最优文件大小,并在此基础上结合经济学边际分析理论提出一种基于能耗成本和访问成本考虑的最优文件大小判定策略. 此策略可以对存放在HDFS上的小文件合并进行效益计算,将小文件合并为成本最优文件大小以获得最佳收益. 通过实验证明了能效最优数据块大小的存在,并通过实验证明了成本和效益相结合利用边际分析理论来确定数据块大小的合理性和有效性.     

煤矿典型动力灾害知识库建设现状及发展方向

实现煤矿灾害的准确预警和煤矿信息化管理主要在于知识库的建设。首先分析了国内多领域知识库研究现状,对比了不同知识库的建设方法。基于本体模型常作为知识库建设的理论基础,在分析国内外煤矿典型动力灾害领域知识存储方式的基础上,对比分析了不同知识库的优缺点。通过分析国内外煤矿典型动力灾害知识库现状,本体理论及本体知识库建设方法,提出一种基于描述逻辑煤矿典型动力灾害OWL本体知识库的建设思路。最后对本体知识库建设存在的问题及未来的研究方向提出了建议。     

本体匹配中基于词义组合的词法分析算法

针对本体匹配中相似性词法分析算法的不足,提出一种基于词义组合的词法分析算法.该算法首先通过WordNet发现本体中单词的合适词义,并扩展它们,然后基于本体里的语义元素形式化的定义实体的词法信息标记,最后推理出实体词法信息间的包含关系.针对一组工业本体的测试结果表明该算法有助提高系统的覆盖率.     

基于Web Service组件的Web服务组合的设计方法

利用软件工程领域中的相关知识,提出了有效策略,构建出了服务组件知识库结构,解决了服务组合的重用问题。     

基于边界框标注的弱监督显著性目标检测算法

针对以往的弱监督显著性目标检测算法存在的显著目标定位不准确问题，提出一种基于边界框标注的弱监督显著目标检测算法。所提算法利用图像中所有目标的最小外接矩形框，即边界框，作为监督信息。首先基于边界框标注和GrabCut算法生成初始显著图；然后在此基础上设计了一个缺失修正模块，以得到优化后的显著图；最后结合传统方法和深度学习方法各自的优势，将优化后的显著图作为伪真值，通过神经网络学习一个显著性目标检测模型。在4个公开数据集上与6种无监督、4种弱监督的显著性检测算法进行比较的实验结果显示，所提算法在所有数据集上的最大F度量值（Max-F）和平均绝对误差（MAE）均明显优于对比算法：与同样基于边界框标注的弱监督方法SBB(Saliency Bounding Boxes)相比，所提算法的标注方法更简单，在ECSSD、DUTS-TE、HKU-IS、DUT-OMRON等4个数据集上进行实验，Max-F分别提高了1.82%、4.00%、1.27%和5.33%,MAE分别降低了13.89%、15.07%、8.77%和13.33%。可见，所提算法是一种具有良好检测性能的弱监督显著目标检测算法。