基于多粒度信息编码和联合优化的篇章级服务事件序列抽取方法

篇章级别的服务事件序列抽取任务旨在发现给定服务的相关文本中所有服务事件的顺序序列关系,构建得到一组按照服务事件发生顺序排列的服务事件集合,其研究可以广泛应用于知识图谱构建、自动问答等任务.与该任务相关的现有工作分过程抽取和事件时序关系抽取两类:过程抽取相关研究默认事件真实发生的顺序与文本描述的顺序一致,忽略了许多非过程性文本中事件发生的顺序与文本描述顺序不一致的情况;.事件时序关系抽取的相关研究往往关注事件对之间的时序关系判断,无法建模所有事件的顺序序列关系.针对以上问题,提出一种基于多粒度信息编码和联合优化的篇章级服务事件序列抽取方法,使用多粒度信息编码模块获得服务文本中具有丰富语义信息的服务事件向量表示,再利用联合优化模块提取服务事件之间的顺序序列关系,得到篇章级别的服务事件序列.由于没有公开数据集可以直接用于服务事件序列抽取任务的评估,抽取基于事件时序关系抽取的公开数据集TimeBank(TB),AQUAINT(AQ),Platinum(PL)和MATRES中的数据,构建了可用于篇章级服务事件序列抽取任务评估的数据集,实验结果证明了提出方法的有效性.

基于深度学习的复杂场景中卷烟烟盒检测与识别方法

近年来,深度学习技术在图像识别领域取得了巨大的成功,在零售、金融、安全、自动驾驶等行业得到了广泛的应用。本论文提出了一套在复杂场景条件下可行有效的卷烟烟盒图像识别框架,利用深度学习技术实现营销活动或陈列活动中的卷烟烟盒图片的自动化识别。本论文提出的框架包含基于可见区域实例分割的烟盒位置检测、烟盒区域正则化和烟盒规格识别几个关键性步骤,构建了鲁棒性强、精确度高的卷烟烟盒图像识别方法。在大规模测试数据集上,其中包括陈列条件、拍摄条件等外部环境影响造成烟盒图片模糊、角度大、遮挡、玻璃反光、部分遮挡、随意摆放,以及部分不同规格的烟盒图像外观差异微小等场景,本论文的方法都表现出了稳定的识别能力,平均识别精度超过95%,达到了在实际应用场景大规模推广使用的条件。

基于组合分析模型的市场销量预测——以卷烟厂为例

由于烟草市场发展面临新的诸多挑战,为了保持烟草行业的可持续发展,对未来卷烟销量的预测很有必要。首先建立定性分析模型,从宏观经济变量、人口增长、收入变化等因素对卷烟销量的影响定性分析预测。其次利用时间序列分析、H-P滤波分析形成未来卷烟批发销售总量和销售总金额预测。在上述模型基础上,以杭州卷烟市场为例,进行预测分析。该模型分析方法严谨,定量与定性分析结果相近,模型可信,有助于烟草公司的工作人员准确把握烟草市场的发展趋势,制定有效的发展规划和决策。

神经网络和自适应差分进化在云计算的应用研究

近年来,云计算的出现极大地改变了现有的计算方法.尽管云计算有诸多优点,但同样面临着一些挑战.云计算面临的主要挑战包括动态资源缩放和功耗,这些因素导致云系统变得低效且昂贵.工作载荷预测是云效率和运行成本得以改善的变量之一.准确性是工作载荷预测的关键组成部分.在前人研究的基础上,本文提出了一种基于神经网络和自适应差分进化算法的负荷预测模型,该模型能够学习最优的变异策略以及最优交叉率.最终,和反向传播学习算法模型的预测结果进行比较,证明了所提模型的有效性.

大规模雪场景的实时绘制

大规模雪场景的真实感实时绘制在虚拟现实、雪灾的预防和救援、军事仿真及游戏设计等领域有着广泛的应用价值,但现有方法难以同时生成大规模动态雪场景的积雪及飘雪效果.为此提出并实现了一种交互式大规模雪场景建模与实时绘制的新方法.为了精细地模拟场景的积雪效果,提出一种基于视点的自适应降雪遮挡图模型,能在实时更新地物的遮挡关系的同时大大减少大规模雪场景中积雪的计算量,并提高了计算精度;对于场景的飘雪,采用一种基于视点的雪粒子分层建模技术来减少雪粒子数量,将视点变换及降雪粒子系统移至GPU中进行加速计算;采用动态多旋转纹理来模拟飘落雪花的形状以增加其真实感;采用几何与纹理混合绘制的方式来减少大场景的复杂度.最终成功地实现了野外和城市两个大规模雪场景的实时漫游,在场景中可看到压雪累累的树枝雪挂景象及轿车上厚厚积雪等冬天美景.

基于用户兴趣模型的个性推荐算法

协同过滤推荐技术和基于商品属性的推荐技术是比较流行的个性化推荐方法,但是前者存在数据稀少和新对象问题,后者也存在无法挖掘用户潜在兴趣的问题。本文采用基于区域用户的相邻用户进行数据评分的矩阵填充,并采用商品之间的关联规则应用和解释来向用户推荐产品。测试表明,本方法解决了新商品的问题,并且在推荐的准确度、新颖性和覆盖度上有了较好的效果。

基于改进遗传算法的车辆路径优化算法

针对烟草物流车辆调度问题的实际情况构建带约束条件的数学模型,并使用遗传算法对其进行计算。在遗传算法中改进染色体基因编码,使遗传算法能更有效地解决物流企业的配送线路问题,从而提高配送速度、降低配送成本,增加企业的利润。

基于改进的FP-Growth算法提取客户关系图

利用客户关系图可以很清晰地看出企业与客户之间的各类关系,便于企业决策者采取针对性的措施来改善客户关系。该文提出了一种基于改进的FP-Growth算法进行客户关系图提取的方法,通过最小支持度寻找到所有的频繁项集,然后结合最小置信度,筛选出所需要的关联规则来提高算法的效率。本方法已应用于浙江中烟CRM系统,结果证明该改进算法有比较好的效果。