基于情感语义对抗的跨语言情感分类模型

传统的基于机器翻译的跨语言情感分类方法,由于受机器翻译性能影响,导致越南语等低资源语言的情感分类准确率较低。针对源语言和目标语言标记资源不平衡的问题,提出一种基于情感语义对抗的跨语言情感分类模型。首先,将句子和句子中情感词进行拼接,用卷积神经网络对拼接后的句子分别进行特征抽取,分别获得单语语义空间下的情感语义表征;其次,通过对抗网络,在双语情感语义空间将带标签数据与无标签数据的情感语义表征进行对齐;最后,将句子与情感词最显著的表征进行拼接,得到情感分类结果。基于汉英公共数据集和自主构建的汉越数据集的实验结果表明,所提模型相比跨语言情感分类主流模型,实现了双语情感语义对齐,可以有效提升越南语情感分类的准确率,且在差异性不同的语言对上也具有明显优势。     

Squid工作原理及其代理配置

分析了squid缓冲代理体系及其基本思想．并以Linux环境下结合Netfilter/iptables实现透明代理为例．给出完整的配置方案。最后．对squid性能优化进行了讨论。     

200 MW富氧燃烧锅炉配风优化数值模拟研究

以200 MW四角切圆煤粉锅炉为研究对象,采用CFD软件结合改进的辐射特性模型以及化学反应机理,对煤粉空气燃烧工况及不同氧气体积分数下的富氧燃烧工况进行了数值模拟,通过研究炉内的燃烧及传热特性,对富氧燃烧工况进行了配风优化设计。结果表明:在富氧燃烧干循环工况下炉内出现高体积分数的CO;干、湿循环工况的入炉氧气体积分数分别为28.5%和27.1%时,炉膛的总辐射传热量与空气燃烧工况几乎相同;提高下二次风的动量能有效减小冷灰斗区域的CO体积分数,采用偏转二次风技术能有效减弱壁面附近的还原性气氛。     

Linux主机防范DDoS攻击的措施

分布式拒绝服务(DDoS)是一种目前常见的网络攻击手段。该文简要介绍了DDoS攻击原理,并演示了利用Netfilter/iptables防火墙软件的状态检测机制实施有效的防御DDoS攻击策略,最后给出相应的实现脚本。     

椰壳活性炭的制备及防护性能研究

以椰壳炭化料为原料,采用直接成型法和二次成型法分别制备椰壳活性炭。利用扫描电镜、傅立叶红外光谱仪、静态吸附仪、X衍射仪等实验仪器对椰壳活性炭和浸渍炭样品进行研究分析,以期找到二次成型工艺制备的椰壳活性炭性能优异的根本原因。对所制备的活性炭材料进行氯化氰的防护性能测试。结果表明,利用二次成型工艺生产的椰壳活性炭制备的浸渍炭有利于对氯化氰气体的防护。     

基于变分信息瓶颈的半监督神经机器翻译

变分方法是机器翻译领域的有效方法,其性能较依赖于数据量规模.然而在低资源环境下,平行语料资源匮乏,不能满足变分方法对数据量的需求,因此导致基于变分的模型翻译效果并不理想.针对该问题,本文提出基于变分信息瓶颈的半监督神经机器翻译方法,所提方法的具体思路为:首先在小规模平行语料的基础上,通过引入跨层注意力机制充分利用神经网络各层特征信息,训练得到基础翻译模型;随后,利用基础翻译模型,使用回译方法从单语语料生成含噪声的大规模伪平行语料,对两种平行语料进行合并形成组合语料,使其在规模上能够满足变分方法对数据量的需求;最后,为了减少组合语料中的噪声,利用变分信息瓶颈方法在源与目标之间添加中间表征,通过训练使该表征具有放行重要信息、阻止非重要信息流过的能力,从而达到去除噪声的效果.多个数据集上的实验结果表明,本文所提方法能够显著地提高译文质量,是一种适用于低资源场景的半监督神经机器翻译方法.     

水蒸气和KOH二次活化对活性炭孔隙结构的影响研究

以商业活性炭为原料,采用水蒸气和KOH为活化剂,在不同活化条件下制备二次活化样品。用DFT方程考察活性炭孔径的变化;用FT-IR技术对活性炭表面官能团进行分析表征;采用XRD技术测试活性炭中的乱层结构。结果表明：无论何种活化方式,延长活化时间和提高活化温度,均有利于制备高比表面积且孔径发达的活性炭;化学二次活化较物理活化更易制得高比表面积且孔径发达的活性炭,且两种活化方式制备的活性炭的孔结构存在明显的差异;在适宜的条件下,KOH二次活化制备的活性炭在孔径<4.00 nm的范围内孔结构发达,孔径在4.00 nm～8.00 nm出现明显的分布峰,且石墨化结构破坏严重。     

基于案件要素指导的涉案舆情新闻文本摘要方法

涉案舆情新闻文本摘要任务是从涉及特定案件的舆情新闻文本中,获取重要信息作为其简短摘要,因此对于相关人员快速掌控舆情态势具有重要作用。涉案舆情新闻文本摘要相比开放域文本摘要任务,通常涉及特定的案件要素,这些要素对摘要生成过程有重要的指导作用。因此,该文结合深度学习框架,提出了一种融入案件要素的涉案舆情新闻文本摘要方法。首先构建涉案舆情新闻摘要数据集并定义相关案件要素,然后通过注意力机制将案件要素信息融入新闻文本的词、句子双层编码过程中,生成带有案件要素信息的新闻文本表征,最后利用多特征分类层对句子进行分类。为了验证算法有效性,在构造的涉案舆情新闻摘要数据集上进行实验。实验结果表明,该方法相比基准模型取得了更好的效果,具有有效性和先进性。     

基于贝叶斯理论框架的传感器选择算法

针对大规模传感器网络(Large-scale sensor networks)的目标跟踪问题, 本文在贝叶斯(Bayes)框架下, 提出了一种全新的基于传感器选择的多传感器目标跟踪算法.算法的具体思路为:首先基于Bayes框架, 根据不同的管理目标, 推导出传感器选择的目标函数; 然后根据目标函数, 计算出相应的传感器选择方案; 最后将选择的传感器进行数据融合, 求得传感器网络的目标跟踪结果.相比传统的基于量测野值点剔除思想的目标跟踪算法以及基于系统偏差估计的传感器配准算法, 本文提出的基于传感器选择的多传感器目标跟踪算法不仅目标跟踪精度更高, 且跟踪性能更稳定.同时本文提出的传感器选择算法还可以适用于杂波数目较少的目标跟踪场景.仿真结果说明了本文所提算法的有效性.     

融入多特征的汉越新闻观点句抽取方法

该文提出一种融入多特征的汉越双语新闻观点句抽取方法。首先针对汉语和越南语标记资源不平衡的问题,构建了汉越双语词嵌入模型,用丰富的中文标记资源来弥补越南语标记资源的缺失。并且该文认为句子的主题特征、位置特征和情感特征对观点句分类具有重要作用,因此将这些特征分别融入词向量和注意力机制中,实现句子语义信息和情感、主题、位置特征的结合。实验表明,该方法可有效提升越南语新闻观点句抽取的准确率。