新一轮找矿突破战略行动科普工作探讨

我国历来重视科普能力建设,将科普工作纳入全社会文明建设范畴。当今,新一轮科技革命和产业变革正处在实现重大突破的历史关口,新一轮找矿突破战略行动已经进入全面实施阶段,牢牢把握科普工作的发展机遇,为科技创新营造良好的社会氛围是科普工作面临的重要任务。本文从政策支持、经费投入和基础设施建设、科普人员队伍发展、传播渠道等四个方面对我国当前科普工作的发展现状进行了阐述,并且介绍了地质科普工作的现状,在此基础上提出新一轮找矿突破战略行动与科普工作的关系。实施科普工作对于推进新一轮找矿突破战略行动意义重大,主要包括实施科普工作有助于提高公众对矿产资源重要性的认识、实施科普工作能够促进科技创新和找矿技术的进步、实施科普工作有利于加强生态文明建设。对于在新一轮找矿突破战略行动中实施科普工作,本文提出了具体做法:加强顶层设计,科学系统谋划;聚焦重点领域,抓住关键时期;统筹科普资源,分层设计产品;创新科普形式,提高科普效能;打造科普队伍,扩大传播范围;培育科普产业,促进融合发展。通过本文分析讨论,以期为在新一轮找矿突破战略行动中实施科普工作提供一种思路。

基于机器学习的矿床描述文本多标签分类

为实现高效准确的矿床描述文本多标签分类,降低从大量文本中获取细粒度知识的难度,需要构建有针对性的标注数据集和机器学习模型。使用地理位置、成矿区带、矿体地质等17种内容标签,为《中国矿产地质志·典型矿床总述卷》中的13411个句子实施人工分类标注,构建了一个矿床描述文本多标签分类标注数据集。将多标签分类流程拆解为划分特征单元、文本向量化、分类计算三个步骤,在每个步骤分别采用不同方法,形成30种机器学习分类模型,在标注数据集上测试并比较了这些模型的分类性能。试验结果显示:微调BERT模型搭配FNN分类器时加权F1值可达到0.91,优于其他模型;TextCNN模型搭配K近邻分类器时加权F1值可达到0.80;TF-IDF词袋模型搭配FNN分类器时加权F1值可达到0.76;在其他步骤方法相同的情况下,按字符划分特征单元的模型加权F1值相对较高。基于微调BERT的机器学习模型可用于替代或辅助矿床描述文本多标签人工分类。使用TF-IDF词袋的机器学习模型可解释性较强,可用于优化人工分类方法。