面向长文本涉法舆情信息的混合式摘要方法

旨在从冗长复杂的舆情文本中,准确地生成简短摘要。在长文本涉法舆情摘要中,现有的自动文本摘要方法存在语义不连贯、关键信息丢失的问题。为此,该文提出了一种结合抽取式和生成式的混合式摘要方法。首先将长文本分成多个语义片段;其次采用无监督对比学习方法微调RoBERTa-wwm-ext模型进行语义片段的表征;然后使用膨胀门卷积神经网络抽取与摘要相关的语义片段,合成抽取文本;最后通过微调预训练语言模型PEGASUS对抽取文本进行摘要生成,以获得最佳生成摘要。在CAIL 2022涉法舆情摘要数据集上的实验结果表明,相比于其他的基线模型,该方法能够生成ROUGE和BLEU得分更高的摘要,进一步提升了摘要的可靠性。

基于多层次信息融合的多跳机器阅读理解

以往机器阅读理解模型中存在文本特征提取单一,文本和问题的交互信息不全面等问题,导致模型不能充分对文本进行理解,本文提出了一种多层次信息融合的机器阅读理解模型.通过在不同位置使用不同方法,对文本信息进行多种层次的获取.使用膨胀卷积网络捕捉文本的全局信息,采用双向注意力机制和自注意力机制融合文本和问题之间的交互信息,通过指针网络预测答案及其对应的支撑句.该模型在CAIL2019和CAIL2020阅读理解数据集上训练的联合F1值分别达到50.09%和58.44%,相比于其他基线模型取得了明显的性能提升.

程序表示学习综述

为了提高软件的开发效率,目前已出现应用人工智能技术进行智能化开发的趋势,如何理解程序语义是智能化开发中需要重点解决的问题.针对该问题,出现了一系列程序表示学习的研究,程序表示学习可以自动地从程序中学习有用的特征,将特征表示为低维稠密向量,高效地提取程序语义并使用于相应的下游任务.对程序表示学习的研究工作进行综述,介绍了主流的程序表示学习模型,包括基于图结构和基于token序列的程序表示学习框架.展示了程序表示学习技术在缺陷检测、缺陷定位、代码补全等任务上的应用,总结了程序表示学习的常用工具集和测试集.分析了程序表示学习未来需要应对的挑战.

基于改进聚类算法的交通事故多发点识别方法

道路交通事故多发点事故发生频率高且严重性突出,为提高道路通行的安全与效率,需要找到事故多发点所在位置。针对现有密度聚类算法对交通事故多发点识别时需要设置中心点个数以及容易扩大聚类范围等问题,提出一种限制簇扩展的自适应搜索密度峰值聚类算法(limit cluster expansion and adaptive search clustering by fast search and find of density peaks,LA-CFDP)。LA-CFDP算法通过增加中心点限制条件自动确定中心点个数,引入参数扩展因子限制簇扩展范围,从而提高算法对事故多发点识别的适应性和准确性。在英国四个城市2019年交通事故数据集上的实例分析表明,LA-CFDP算法对四个城市聚类结果的轮廓系数值达到0.72~0.92,DBI值均降低到0.37以下。聚类结果符合事故多发点的定义及特征,能够为交通事故多发点治理提供可靠依据。

融合隐私保护的车辆轨迹数据停留点挖掘方法

随着车载GPS定位设备的普及,产生了大量的车辆轨迹数据和位置信息,各种轨迹挖掘技术也应运而生.然而,现有的轨迹挖掘技术较少考虑用户的隐私泄露问题,因此,本文提出了一种融合隐私保护的车辆轨迹数据停留点挖掘方法.在该算法中,首先通过密度聚类筛选出轨迹停留点,其次结合差分隐私技术对停留点进行隐私保护.通过实验验证,该方法不仅能有效识别出停留点的位置,还能保护其隐私不被泄露.

融合异构交通态势的事故预测模型

针对事故数据信息表达有限、数据不平衡以及数据中存在动态时空特性的问题,提出一种融合异构交通态势的事故预测模型。其中:时空状态聚合模块通过代表动态交通态势的交通事件和天气特征完成语义增强,并聚合四种区域(单一区域、邻近区域、相似区域和全局区域)的历史多时段时空状态;时空关系捕获模块从微观和宏观角度捕获事故数据局部与全局的动态时空特性;时空数据融合模块进一步融合多区域、多角度的时空状态,并完成下一时段的事故状况预测任务。在US-Accident的5个城市数据集上进行实验,结果表明所提模型的正样本、负样本、加权正负样本的平均F1分数分别为85.6%、86.4%和86.6%,与传统的前馈神经网络(FNN)模型相比,在三个指标上分别提升了14.4%、5.6%和9.3%,能有效抑制事故数据不平衡对实验结果的影响。构建高效的事故预测模型有助于分析道路交通安全形势,减少交通事故的发生,提高交通安全。

基于图神经网络的程序脆弱性指数评估方法

软错误会导致隐性偏差,严重影响计算机系统的可靠性。计算程序脆弱性指数是防护隐性偏差的先决条件。针对传统方法中程序语义提取不足,无法全面反映错误传播机理的问题,提出了一种基于图注意力网络的程序脆弱性指数评估方法EpicGNN。将脆弱性指数预测的任务转换为图神经网络的图回归任务,应用不同类型的边来表示不同的指令关系;引入结构化多头自注意力机制量化节点间、节点到图在错误传播中的重要程度;依据该重要性聚合节点信息、图信息形成图的表示向量,并利用回归模型预测脆弱性指数。实验结果表明,EpicGNN在spec2000、spec2006、rodinia等数据集上的平均绝对误差相比现有模型减少了0.037~0.258,对未见过的图仍然有良好的泛化性能。

面向城市交通网络的K最短路径集合算法

在城市交通网络中,为了优化交通流,需要搜索到符合出行需求K最短路径,并将OD(Origin-Destination)交通流合理分配到这些路径上.本文主要对搜索符合出行需求的K最短路径搜索算法进行了研究,解决了已有算法仅能搜索出单条满足最短及K最短条件路径的问题.根据Wardrop第二原则及路段阻抗函数理论,分析了路径集合搜索方法对优化城市交通流的必要性,并定义了城市交通网络中K最短路径集合的概念及选择条件,提出了一种面向城市交通网络的具有多项式时间复杂度的K最短路径集合搜索算法.仿真结果表明,本文所提算法可以搜索出满足出行需求的所有K最短路径集合,在该路径集合上进行交通流分配的效果明显优于传统方法.

道路交通大数据及其关键技术研究

道路交通领域业已形成大数据的环境,为梳理道路交通大数据的研究内容、关键技术和技术方案.首先,归纳总结了大数据的内涵、特征及研究现状.其次,针对道路交通中的人、车、路和环境,分析了道路交通大数据的数据来源.然后,针对道路交通信息的获取、传输、处理和应用,分析了道路交通大数据的关键问题.最后,从数据处理和管理的角度,分析了道路交通大数据处理和管理的支撑技术.通过分析,得到了道路交通大数据的关键问题、开展道路交通大数据研究所需的技术基础和道路交通大数据未来的可能应用.通过这一系列梳理,明确了道路交通大数据研究的关键技术及其相关应用.

基于深度CNN-LSTM-ResNet组合模型的出租车需求预测

利用海量的离线GPS数据进行出租车需求预测是智能城市与智能交通系统的重要组成部分.本文提出了一种基于深度学习的出租车需求预测方法(CNN-LSTM-ResNet),将出租车GPS数据和天气数据等转化为栅格数据,输入模型获得预测结果.该模型先使用卷积神经网络(CNN)提取城市范围交通流量的空间特征,然后引入残差单元加深网络层数,并利用长短期记忆网络(LSTM)提取GPS数据的临近性、周期性和趋势性,最后通过权重融合以上3个分量,并与外部因素(天气、节假日和空气质量指数)进一步融合,从而预测城市特定区域的出租车需求.采用西安市出租车GPS数据进行实验验证,结果表明,该模型与传统预测模型(如ARIMA,CNN,LSTM)相比具有更高的预测精度.

基于Spark平台城市出租车乘客出行特征分析

从海量出租车GPS轨迹数据中挖掘和分析城市出租车乘客的出行特征,可以为城市交通管理者和出租车行业管理者在城市交通规划与管理、城市交通流均衡与车辆调度等方面提供决策依据.基于Spark大数据处理分析平台,选择YARN作为资源管理调度系统,采用HDFS分布式存储系统,对出租车GPS轨迹数据进行挖掘.给出了基于Spark平台的出租车乘客出行特征的挖掘方法,包括出租车乘客出行距离分布、出租车使用时间分布及出租车出行需求.实验结果表明,基于Spark平台分析方法能够快速且准确的分析出出租车乘客出行特征.

基于车联网的行车安全预警信息服务系统设计

搭建了基于车联网的高速公路行车安全预警信息服务系统,并进行了小规模试验验证,试验表明新型交通信息服务系统应用效果良好.该系统有助于保障交通运输的安全和高效运营,为车联网用户提供更为智能和个性化的交通信息服务.

主存储器访问调度技术研究

论述了主存储器访问操作中的bank预充电、row激活、column读写的访问调度技术。通过该技术可以缩短主存储器访问时间,从而达到提高主存储器带宽的目的。同时,为研究和评价这种主存储器访问调度策略的性能给出了一种建立仿真实验环境的思路。

车联网环境下的WiFi网络实验床

主要应用网络断层扫描技术设计并实现了一种车联网环境下的WiFi网络实验床.针对车联网环境中待测节点的快速移动性,利用RFID技术实现了对待测节点驶入驶出测试区域的自动检测,进而实现了对测试启动和终止的自动控制.利用所提实验床测量了待测节点车速变化对WiFi网络性能的影响,测试分为短包测试和长包测试两种模式,测量的网络性能指标包括平均往返时延,丢包率和吞吐率.测试结果表明利用该实验床能够实现对车联网环境下的WiFi网络性能指标进行有效的测量和评估.

高速公路应急救援能力评价体系

高速公路应急救援能力是影响高速公路行车安全和高速公路服务水平的重要因素之一。以高速公路应急救援能力评价系统建设为目标,根据评价指标选取的原则,确定了21个评价指标,构建了高速公路应急救援能力评价指标体系。邀请10位专家,运用层次分析法,构造了评价指标重要程度的判断矩阵,对判断矩阵进行了一致性检验,计算并确定了各个评价指标的权重。运用模糊综合评价的建模方法,构建了高速公路应急救援能力评价的计算模型,确定了综合隶属度和综合评分的计算方法。以我国某段高速公路为例,对其应急救援能力进行了评价,并对评价结果进行分析。结果证实了文中所建立的评价指标体系及其权值的有效性。这一指标体系及其权值客观反映了该高速公路的实际救援能力水平,为应急救援能力的提升起到了促进作用,操作性强。

高性能嵌入式图像处理系统研究

为了提高计算机视觉中图像处理的速度,深入分析了计算机视觉中图像处理的三个层次的并行计算特征.以数据并行的处理元阵列芯片为基础,通过对其进行不同组合得到高性能嵌入式图像处理系统.该系统为图像处理提供了不同层次的数据并行性和任务并行性,满足了图像处理对并行计算的需求,为实时嵌入式图像处理提供了较高的计算性能.此外,处理元阵列芯片的实现方式又保证了其具有较小的体积,满足了嵌入性的要求.

内河交通物联网安全分析及应对策略

为适应内河交通信息化的发展,提出了内河交通物联网的概念。在分析内河交通物联网概念、体系结构的基础上,研究其信息安全问题。对内河交通物联网的感知层、网络层、数据处理层、应用层和展现层进行全面分析,研究各层存在的安全隐患及面临的安全挑战,并提出相应的安全技术策略,以促进内河交通安全、快速发展。

可重构车联网网络试验平台的设计

为了测试车联网应用程序和协议在面对节点失效或节点新增时的鲁棒性,设计并实现了一种可重构的车联网网络试验平台.该试验平台包括车载终端、路侧节点和远程终端PC.车载终端由超级节点、Telosb传感器节点、RFID读写卡器组成;路侧节点由超级节点和RFID读写卡器组成.车载终端和路侧节点的通信通过RFID完成,路侧节点和远程终端PC通信通过局域网来完成.该试验平台中车载终端中的传感器网络是以Twist为基础设计的,Twist传感器网络可以很容易改变网络拓扑结构,因此本试验平台是可重构的.经过对系统命令响应时间延迟的测试,本试验平台能够在延迟时间可以接受的范围内改变网络的拓扑结构.

基于超高频RFID的GPS信息采集系统

为了有效缓解城市交通拥堵,实现智能交通诱导,需要实时采集车辆动态GPS信息.传统的基于无线传感网络的车辆GPS信息采集系统在城市复杂电磁环境的干扰下,系统性能不稳定,难于保证实时性和可靠性要求.本文提出了一种基于超高频RFID技术的城市道路环境下车辆GPS信息采集系统设计方案.该系统利用超高频RFID技术替代传统的无线传感网技术,针对移动车辆实现了非接触式快速GPS信息采集和处理.首先介绍了基于超高频RFID的GPS信息采集系统的硬件及软件设计方案,并构建了针对该系统的仿真实验环境.仿真结果表明,该系统性能良好,能够满足实际要求.

基于预测的LBSN兴趣点推荐算法

兴趣点(Point-Of-Interest,POI)推荐是基于位置的社交网络中(Location-Based Social Networks,LBSN)一种重要的个性化推荐功能.本文提出基于预测的兴趣点推荐算法.该算法根据LBSN中用户历史POI数据分布学习用户出行行为,利用变阶的马尔科夫算法根据当前位置预测用户未来到达POI的语义信息,最终推荐时考虑用户签到次数的差异为用户推荐N个具有高兴趣度的POI.实验结果表明:本文提出的算法在准确率和召回率上均高于两个对比算法,说明该算法提高了兴趣点推荐效果,并可以有效的推荐给用户下一个访问的兴趣点.