路网中位置不确定的二元反kNN查询

针对路网限制和物体位置的不确定性,提出了路网中位置不确定的二元反kNN查询（PBRkNN）,旨在查找一组位置不确定的点,使得每个不确定点的kNN包含给定查询点的概率大于一个阈值。为了解决该问题,首先提出一种基于Dijkstra进行剪枝处理的基本算法,即PE算法;接着在PE算法的基础上通过预处理计算出每个点的kNN从而加快查询速度,即PPE算法;而为了进一步减小PPE算法中范围查询的开销,提出PPEE算法,利用网格索引来索引范围查询中要查询的不确定空间点,从而提升算法的效率。最后,在北京和加州路网数据集上进行了大量实验,结果表明通过一些预处理的策略确实可以有效地处理路网中位置不确定的二元反kNN查询。     

轧制过程中钢坯断裂的初步分析

我厂开坯车间在开坯生产中,曾多次出现钢坯开裂甚至断裂的现象,而且一次少则几吨,多则几十吨,造成较大的经济损失,为了寻找产生开裂的原因,我们对以往钢坯破断的情况进行了调查,发现开裂往往发生在初轧期,并连续地出现。本文主要对最近     

20MnSi螺纹钢筋轧后余热处理试验研究

本文对20Mn Si螺纹钢筋轧后余热处理工艺进行了试验研究,并对其处理后的显微组织和力学性能作了分析。结果表明,经轧后余热处理的钢筋,力学性能大幅度提高可满足英国标准(BS 4449:1988)要求。     

基于知识增强的企业实体关系预测模型

随着知识图谱的不断发展,大量应用于工业界的产业知识图谱应运而生。然而,这些产业知识图谱经常缺乏充足的企业关联关系,如上下游关系、供应关系、合作关系、竞争关系等,导致其应用范围受到极大限制。现有企业关系预测研究大多仅关注知识图谱中三元组本身的结构信息,未能充分利用企业文本描述和企业关联实体的描述等多视角信息。为解决该问题,提出了一种基于知识增强的企业实体关系预测模型KERP。模型首先通过多视角实体特征三元组学习,完善企业实体特征表示;其次,利用图注意力网络获取实体的高阶语义表示,并与TransR模型学习的实体关系低阶语义表示进行融合,进一步增强企业实体及其关系的特征表示;最后,通过二维卷积解码器ConvE实现对企业实体关系的预测。在新能源汽车产业知识图谱数据上的实验分析表明,与现有主流实体关系预测模型相比,KERP在预测企业关系上具有更好的效果,在F1值上有6.7%的提升。此外,在多个公开实体关系预测数据集上的实验结果表明,KERP模型在一般化的实体关系预测任务上也具有较好的通用性。     

基于路网的群体出行计划查询算法

群体出行计划(GTP)查询旨在为一组用户查找共同的活动地点(通常以兴趣点(PoI)表示)以达到整体的出行开销最小.当前,对群体出行计划查询的研究大多仅限于欧氏空间,然而人们真实的出行却受到道路网络的约束.针对该问题,提出了两个基于路网的群体出行计划查询算法NE-GTP和ER-GTP.其中,NE-GTP通过扩展每个用户所在的边,来迭代地找到这组用户感兴趣的PoI; ER-GTP则是利用R树索引和欧氏距离是路网距离的下界这一条件来快速搜索满足关键词条件的PoI.实验结果表明,ER-GTP方法在查询速度上总体要比NE-GTP快一个数量级左右; 而且,当数据量很大时,ER-GTP也有很好的可扩展性.     

一种面向人群计数的卷积注意力网络模型

随着当今国际社会形势逐渐复杂,公共安全和社会稳定面临严峻挑战。视频监控作为维护社会安定与建设智慧城市的重要手段,广泛应用于城市安全管理。高效的人群计数是实现基于视频进行安全管理的一个难点问题,旨在分析计算视频或图片场景中的人数。人群计数对控制关键场所人数、指挥公共交通、控制疫情蔓延、保障社会稳定具有重要积极意义。然而,人群计数问题仍然存在背景干扰、目标遮挡、目标尺度不一和目标分布不均等挑战,导致计数准确度较低。为了解决这些问题,梳理了人群计数发展的时间线,分析了现有方法的不足,并针对这些不足提出了基于相似性度量的卷积注意力网络。该方法结合基于相似性度量的损失函数和基于注意力机制的卷积神经网络模块,有效缓解了人群计数中背景干扰、目标遮挡、目标尺度不一和目标分布不均四个问题。通过在数据集上的实验和相关对比分析发现,基于相似性度量的卷积注意力网络具有很好的准确性和稳定性。     

面向金融网页数据的异构表格信息提取模型

从异构网页表格中提取实体、关系、属性等信息是构建金融知识图谱和知识库的一项重要任务。然而，现有网页表格信息提取方法大多高度依赖于维基百科、FreeBase等外部知识库，并且不能有效提取商品价格、公司总资产等动态变化的金融数值属性信息。因此，针对金融网页数据缺少外部知识库支撑，以及需要同时有效处理文本型信息和数值型信息这两个挑战，提出了面向金融网页数据的异构表格信息提取（HTIE）模型。HTIE主要由基于规则的无监督表格抽取模块和基于多核卷积神经网络的表格解释模块组成，在不使用外部知识库的情况下，可以有效地从网页中识别出异构表格所在位置并对它规范化，并且能基于少量标注数据同时处理表格中的文本型信息和数值型信息。根据在真实金融网页表格数据集上的实验评估，HTIE可以有效提取和识别金融网络表格中的实体、关系及数值类型的属性信息。与现有方法相比，HTIE在精度、召回率和F1值上分别至少提升了4.2%、2.5%和14.6%。