综合办公系统中的密码一致性研究与实现

探讨了LotusDomino/Notes平台基本的安全机制 ,分析、比较了Domino自带的密码修改技术的优缺点 ,指出了Domino中Notes客户端和浏览器密码不能同步 ,并给出了一个具体的密码同步实现技术及其相关代码。

一种基于BERT的自动文本摘要模型构建方法

针对传统词向量在自动文本摘要过程中因无法对多义词进行有效表征而降低文本摘要准确度和可读性的问题,提出一种基于BERT(Bidirectional Encoder Representations from Transformers)的自动文本摘要模型构建方法。该方法引入BERT预训练语言模型用于增强词向量的语义表示,将生成的词向量输入Seq2Seq模型中进行训练并形成自动文本摘要模型,实现对文本摘要的快速生成。实验结果表明,该模型在Gigaword数据集上能有效地提高生成摘要的准确率和可读性,可用于文本摘要自动生成任务。

一种基于ERNIE的军事文本实体关系抽取模型

针对军事文本实体关系抽取过程中存在的“一句对应多个三元组”,“一个主语对应多个客体”等问题提出一种基于ERNIE的军事文本三元组抽取模型,在编码层引入ERNIE模型获取每个词的编码序列,参考seq-to-seq解码器的建模方法和BIO序列标注,采用先预测主体,再传入主体标注序列预测客体和二者之间关系的方法实现三元组的抽取。在预测层使用sigmoid实现多主体、多客体甚至多关系的提取。实验结果证明,人工标注的军事新闻数据集上,该模型的抽取效果明显优于基于循环神经网络的流水线抽取模型和基于BERT的联合实体关系抽取模型,F1值达到80.04%。

一种基于BERT的文本实体链接方法

实体链接是明确文本中实体指称的重要手段,也是构建知识图谱的关键技术,在智能问答、信息检索等领域中具有重要作用,但由于中文文本的多词一义或者一词多义等问题,现有的文本实体链接方法准确率较低。针对这些问题,本文提出了一种基于BERT(Bidirectional Encoder Representations from Transformers)的文本实体链接方法命名为STELM模型,通过将每一对指称上下文和对应的候选实体描述分别输入BERT模型,将输出的结果拼接起来通过一个全连接层然后取得分最高的候选实体作为最终结果。在CCKS2020(2020全国知识图谱与语义计算大会)数据集上的实验结果表明本文提出的模型准确率相较于其他模型有一定的提升,准确率达到了0.9175。

基于形态学的滤波消除泥浆脉冲信号基线漂移

建立了用于消除泥浆脉冲信号基线漂移的形态学滤波器。采用最小二乘多项式拟合法、中值滤波法和形态学滤波法等3种方法处理泥浆脉冲PPM编码信号的基线漂移,并利用信噪比、均方根误差、归一化相关系数定量分析计算结果。对比结果表明,形态学滤波法消除泥浆脉冲信号基线漂移效果最佳。

专用主机“白环境”构建方法

功能相对固定的专用主机在国家关键基础设施等领域的信息系统中发挥着重要作用,因此成为APT(Advanced Persistent Threat)、特种木马、零日攻击等新型攻击的主要目标。常见的主机防御手段难以肩负起防护重任。本文提出一种具有自学习和自愈能力的主机"白环境"构建方法,适用于各类专用场合,确保主机全生命周期的运行安全。