低能耗住宅烹饪过程厨房及其邻室细颗粒物暴露评价

针对低能耗住宅烹饪污染物在室内的扩散问题,搭建了实验台,设计了正交试验,对厨房及其邻室细颗粒物质量浓度分布特性及影响因素进行了研究,并评估了人员细颗粒物暴露量。研究结果表明：16种实验工况下厨房及其邻室的细颗粒物平均质量浓度分别为0.52、0.19 mg/m³,均超出了相关标准规定的限值;烹饪细颗粒物暴露量与性别相关,在厨房内男性人员与女性人员细颗粒物综合暴露量分别为206.14、257.77μg·h/m³;对厨房和邻室细颗粒物浓度的影响程度由高到低排序分别为油烟机状态>补风系统启闭>烹饪方式>窗户启闭,补风系统启闭>窗户启闭>油烟机状态>烹饪方式;与未开启油烟机工况相比,开启油烟机能分别降低厨房及其邻室暴露量的79%～83%和58%～62%;传统中式烹饪方式炒、炸对厨房及其邻室暴露量影响较大,开启补风能显著降低邻室的暴露量。     

基于控制输入长短期记忆网络的关系抽取方法——

目前基于传统深度学习的关系抽取方法在复杂语境下抽取较为困难, 且未考虑语境中非目标关系对关系抽取所带来的影响. 针对这一问题, 本文提出了控制输入长短期记忆网络CI-LSTM (control input long short-term memory), 该网络在传统LSTM的基础上增加了由注意力机制和控制门阀单元组成的输入控制单元, 控制门阀单元可依据控制向量进行关键位置上的重点学习, 注意力机制对单个LSTM的输入的不同特征进行计算. 本文通过实验最终选择使用句法依存关系生成控制向量并构建关系抽取模型, 同时使用SemEval-2010 Task8关系数据集以及该数据集中具有复杂语境的样本对所提方法进行实验. 结果表明, 相比于传统的关系抽取方法, 本文所提CI-LSTM在准确率上有进一步提升, 并在复杂语境中具有更好的表现.     

基于主题关系的中文短文本图模型实体消歧

实体消歧作为知识库构建、信息检索等应用的重要支撑技术,在自然语言处理领域有着重要的作用。然而在短文本环境中,对实体的上下文特征进行建模的传统消歧方式很难提取到足够多用以消歧的特征。针对短文本的特点,提出一种基于实体主题关系的中文短文本图模型消歧方法,首先,通过TextRank算法对知识库信息构建的语料库进行主题推断,并使用主题推断的结果作为实体间关系的表示;然后,结合基于BERT的语义匹配模型给出的消歧评分对待消歧文本构建消歧网络图;最终,通过搜索排序得出最后的消歧结果。使用CCKS2020短文本实体链接任务提供的数据集对所提方法进行评测,实验结果表明,该方法对短文本的实体消歧效果优于其他方法,能有效解决在缺乏知识库实体关系情况下的中文短文本实体消歧问题。     

浅谈变频器在燃气系统中的应用

介绍了变频调速恒压系统的配置与原理,通过将变频器应用到燃气输送工艺中,不仅能降低设备噪音及工人劳动强度,减小设备启停时的电流和机械冲击,延长设备机组的使用寿命,保证天然气的应急供应,而且具有显著的节能效果。