支持CSFB的MSC改造规模预测方法探讨

通过对CSFB语音方案原理的分析,结合业务模型及网络安全等方面的考虑,提出了一种支持4G CSFB的MSC改造规模预测方法,为端局后续建设提供了参考.     

象山煤矿11~#煤层带压开采危险性预测

采用突水系数法对象山煤矿北一采区11#煤层突水危险性进行了预测,结果显示,北一采区西北角、东南角属于相对安全区,突水系数0.06 MPa/m,北一采区北部B6孔附近为相对危险区,突水系数在0.1~0.119 MPa/m之间,其它区域处在临界区。该研究成果可为矿井防治水提供参考依据。     

结合深度学习的网络邻居结构研究及应用

通过研究网络的拓扑结构可以探索到丰富的知识,特别是网络中节点的邻居可以形成不同的邻居结构,而不同的结构蕴含着不同的意义,进而也有着不同的影响。实际上,邻居结构与节点的交互行为之间是互相影响、互为因果的。对三种最为普遍的邻居结构进行分析,并提出结合深度学习的网络邻居结构影响力模型DNSI(neighbor structure influence based on deep learning)。通过对图片格式的网络数据提取特征,DNSI可以得到三种邻居结构影响力。分别在几个真实世界网络数据集上进行节点属性预测、类别中心度度量和用户行为预测等任务,实验结果表明该模型在绝大多数情况下具有优越性。     

基于注意力机制与文本信息的用户关系抽取

随着社交媒体的发展,用户之间的关系网络对于社交媒体的分析有很大的帮助。因此,该文主要研究用户好友关系检测。以往的关于用户好友关系抽取的研究主要基于社交媒体上的结构化信息,比如其他好友关系,用户的不同属性等。但是,很多时候用户本身并没有大量的好友信息存在,同时也不一定有很多确定的属性。因此,我们希望基于用户发表的文本信息来对用户关系进行预测。不同于以往的潜在好友推荐算法,该文提出了一种基于注意力机制以及长短时记忆网络(long short-term memory,LSTM)的好友关系预测模型,将好友之间的评论分开处理,通过分析用户之间的评论来判断是否具备一定的好友关系。该模型将好友双方信息拼接后的结果作为输入,并将注意力机制应用于LSTM的输出。实验表明,用户之间的评论对于好友关系预测确实有较大的实际意义,该文提出的模型较之于多个基准系统的效果,取得了明显的提升。在不加入任何其它非文本特征的情况下,实验结果的准确率达到了77%。     

一转多的优势 多口USB充电器导购

随着身边的数码产品种类越来越丰富,设备充电需求正在日益增加,我们会经常发现手边的插线接口不够用,或是电脑接口不够用,于是多口USB充电器这种高效的产品应运而生了。它具有多个标准USB充电接口,可以让我们为智能手机、平板电脑、无线便携音箱、蓝牙耳机等多个设备同时充电,从而节省了时间和空间资源。不过对于多口USB充电器,有多少接口、够不够安全、能为什么设备充电都是大家较为关心的问题。今天我们将为大家推荐一些比较靠谱的     

小方法给你时间个性化

面对一成不变的系统时间，是否觉得有些枯燥，想不想DIY一个具有个性的？下面且 让笔者教你两招。[编者按]