基于多任务标签一致性机制的中文命名实体识别

实体边界预测对中文命名实体识别至关重要。现有研究为改善边界识别效果而提出的多任务学习方法大多仅考虑与分词任务进行简单结合,但由于缺少包含多任务标签的训练数据,导致无法学到多个任务之间的标签一致性关系。该文提出一种新的基于多任务标签一致性机制的中文命名实体识别方法:将分词和词性信息融入命名实体识别模型,进而联合训练命名实体识别、分词、词性标注三种任务;建立基于标签一致性机制的多任务学习模式,增强边界信息学习,捕获标签一致性关系,更好地学习多任务表示。相较于基线模型,全样本实验、模拟小样本实验及真实小样本实验分别提升F_1值10.28%、11.17%和8.84%,表明了该方法的有效性。

利用URL-Key领域术语识别方法

首次提出利用URL-Key进行领域术语识别的方法。以URL作为媒介,借助已知URL-Key的领域性来判断未知领域候选术语的领域性。首先,借助互联网中已有的人工分类领域URL,根据URL-Key在各领域汇总使用的频度,采用基于方差的领域URL-Key识别方法,构建领域URL-Key词表;然后,利用伪反馈技术,收集候选领域词检索得到的URL结果集,根据URL结果集构建候选领域术语的URL-Key特征向量;最后,利用SVM对候选领域术语进行提取。在4个领域进行实验,都取得不错的效果。新提出的方法可以有效地解决低频术语识别问题,为低频术语的识别提供新的思路。

重离子治癌引出BUMP电源控制器设计

引出凸轨(BUMP)电源是负责医用重离子加速器束流引出的关键设备,其电流上升的同步性影响束流的引出效率,而电流波形的多样性与治疗模式和治疗精度密切相关。要在凸轨磁铁(0.2~0.4 mH)上产生1~5 ms上升且精确同步的励磁电流,并确保电流的跟踪性和波形的多样性,采用了实时调整强励电压及基于特征参数的电流波形控制方法。本文介绍了基于Inter公司SoC(System-on-a-Chip)技术的引出BUMP电源数字控制器软硬件设计,并首次应用到医用重离子加速器装置,经过现场验证,在不同的凸轨磁铁上产生了1~5 ms同步变化的电流,同时保证了电流上升时期的跟踪精度(>5 s),达到了设计要求。