基于CPN的供应链合约的形式化验证

智能合约的安全性对于区块链在供应链领域的应用尤为重要。目前,大多数对智能合约的形式化验证工作集中于漏洞检测,对于如何在部署上链前生成安全的智能合约的关注仍然比较少,如何有效规范地将特定领域的属性安全地映射为智能合约代码存在难点。因此,提出在编写合约前基于CPN(Coloured Petri Net)对供应链业务逻辑进行形式化规范并构建双层仿真模型,以图形化界面描述交易状态变化,进行形式化验证和状态分析,从而在建模阶段就减少逻辑漏洞。最后,提供了一种从CPN建模语言到Solidity编写的合约的转换方法,以提高智能合约的安全性和可靠性。

基于双重多视角表示的目标级隐性情感分类

目标级隐性情感分类是自然语言处理中一项重要的情感分析任务。目前多数研究主要侧重于对上下文感知的目标进行建模,且建模信息源较为单一,难以充分捕获到目标词在文本中的隐性情感。针对该问题,提出基于双重多视角表示学习的目标级隐性情感分类方法,采用3种视角对目标和输入文本进行建模,分别设计文本自身的表示学习、图视角下的表示学习以及外部知识视角下的表示学习,并通过卷积神经网络将3种视角下的表示进行深度融合。此外,同时采用上述3种视角对目标进行表示学习,将文本的语义表示和目标的语义表示相结合,并输入到情感极性分类器中。在5个公共数据集上进行实验并与8个基线模型的对比结果表明,该方法性能达到了最优水平,在News MTSC-mt和News MTSC-rw隐性情感分析数据集上的F1_m值分别比最好模型提高1.0%和2.6%,在Laptop14、Restaurant14和Twitter显性情感分析数据集上的F1_m值分别比最好模型提高3.6%、1.4%和1.6%。

面向远程监督命名实体识别的噪声检测

针对远程监督命名实体识别(named entity recognition,NER)任务,目前有许多基于强化学习的方法,利用强化学习的强大决策能力,对远程监督生成的自动标注数据进行噪声过滤.然而,这些方法所使用的策略网络模型架构都较简单,识别噪声能力较弱,且都以完整的句子样本为单位进行识别,导致句子中的部分正确信息被丢弃.为解决上述问题,提出了一种新的基于强化学习的方法,称为RLTL-DSNER,该方法可以从远程监督生成的带噪数据中,以单词级别识别正确实例,减少噪声实例对远程监督NER的负面影响.具体来说,在策略网络模型中引入了标签置信函数来准确识别实例.此外,提出了一种新颖的NER模型预训练策略,使其能为强化学习的初始训练提供精准的状态表示和有效的奖励值,引导其向正确的方向更新.在4个数据集上的实验结果验证了RLTL-DSNER方法的优越性,在NEWS数据集上,相较于现有最先进的方法,获得了4.28%的F1提升.

基于知识图谱的灾害应急辅助决策研究与应用

利用灾害与应急决策相关联的知识图谱、基于BERT(基于Transformers的双向编码器)+CRF(条件随机场)的灾害要素实体识别模型、基于Text2vec的文本相似度匹配模型、Neo4j图数据库和PageRank图算法等技术方法,文章对灾害应急辅助决策进行研究,最终设计并实现灾害应急辅助决策系统。该研究为应急部门和应急决策人员做出及时有效的应急决策提供智能服务和应用支持,为社会快速发展提供技术保障,为我国防灾减灾、抗灾救灾体系建设赋能。

图像和语义融合的多模态行人重识别研究

利用深度学习方法对行人进行重识别,可以实现对目标人物的追踪和检索;结合行人图像和属性描述的语义信息,可实现多模态的行人重识别。文章基于图像和语义处理技术,对行人重识别数据进行处理,利用图像文本多模态信息构建融合网络模型,在一定程度上提升行人重识别的效果。通过在视觉检索领域中利用多模态技术,使得监控治理变得更加的准确有效,在一定程度上促进智慧城市的建设和发展。

基于大语言模型的消防应急决策支持技术研究

针对消防领域信息化、智能化建设的需要,提出在通用大语言模型的基础上通过微调(fine-tuning)技术来构建消防领域大模型。完整的构建流程包括数据采集、超参数优化实验、高效微调构建领域大模型、领域大模型评估。结果表明:相较于初始的通用大模型,构建的消防领域大模型,在主观评估方面专业性更强,在客观评估方面,BLEU-4分数提高12.1%,ROUGE-1分数提高7.8%,ROUGE-2分数提高7.1%。

基于物联网的智能数据采集和监控系统设计

通过对基于物联网的智能数据采集和监控系统的架构设计以及核心设计理念的论述,探讨一种构建高效能、强扩展、易实施的物联网智能数据采集和监控系统的方法。研究结果表明,采用该思想设计的物联网智能数据采集和监控系统可以帮助监控管理人员管控大量的无人值守智能终端设备,提高工作效率和安全性。

基于移动终端的消防警情分析系统研究与设计

重点研究基于Android平台的Web服务技术和可视化分析技术,通过有针对性的设计,解决基于Android平台的跨平台数据交换及可视化问题。在此基础上,以消防业务数据为基础,结合消防警情分析实际需求,对基于移动终端警情分析系统的设计理念和研究成果进行阐述。对构建具有良好应用效果的基于移动终端的消防警情分析系统具有一定的指导意义。

基于特征融合编解码的人群计数和密度估计

为解决人群计数任务中因人群大小不一导致的计数偏差问题,提出一种基于特征融合的编解码卷积神经网络模型(CFFNet)。前端网络模块对输入的人群图像自动编码,提取不同尺度的人群特征语义信息;后端网络模块对编码后的人群特征信息进行融合和解码,得到最终的估计密度图。将该模型在4个公开数据集上进行实验,并与历年的主要方法进行对比,实验结果表明,该模型在ShanghaiTech PartA、UCSD和Mall数据集上取得了更好的MAE指标,优于目前的这些算法,验证了模型对不同的人群尺度具有很好的适应性。

基于大数据的消防业务数据分析研究

为了对消防业务数据进行关联分析和深层次的数据挖掘,文章借助于大数据技术搭建一个消防业务数据挖掘分析服务平台,阐述消防业务的分析内容,主要包括灭火救援类业务和防火监督类业务。同时说明在业务分析中所使用的技术:业务专题分析支撑引擎和数据挖掘分析模式及模型研究。应用本平台可以为消防站、消防装备、消防人员等城市消防力量提供数据支撑依据,帮助决策层科学高效地指导消防工作,提高消防工作实战化水平。

基于语义和结构置信度的知识图谱质量校验方法

知识图谱因其较强的表达能力和可解释性而被广泛应用于问答系统、信息检索等人工智能任务中,然而,在实际应用场景中大量使用自动化知识图谱构建技术会不可避免地引入噪声和冲突,从而对知识图谱下游应用的性能产生严重影响。为从知识图谱中检测出潜在的噪声、保存真实可信的三元组并为下游应用任务提供高质量的知识,提出一种基于语义与结构双重置信度的三元组评估模型。该模型由语义真实性评估器与结构真实性评估器构成,前者通过特定规则将三元组转换为句子序列,基于双向编码器表示变换模型度量语义真实性,后者通过表示学习模型获取实体及关系的向量表示,在知识表示、路径特征两个层面上度量结构真实性。在4个真实图谱数据集上的实验结果表明,所提模型的准确率、精确率、召回率、F1值等评估指标相较TransE-RFC、TransE-KNC、TransEXGB等模型提升3%~4%,其能够有效检测带噪声图谱数据集中的噪声错误同时最大程度地保留真实可信的知识。

基于大数据技术的城市客流聚集安全风险监测系统设计

针对城市公共安全管理中出现的面向非常规群体性突发事件的主动感知、大型活动安保等问题,文章设计一套基于大数据技术的客流密集场所风险监控预警系统,阐述客流聚集安全风险监测系统的总体设计目标、业务流程、可行性分析,并说明系统的主要功能。同时根据需求设计监测系统,包括物理架构设计、系统架构设计、系统分层设计和各个子系统设计。

面向消防行业的热词分析系统的研究与设计

通过对Solr全文检索框架及其词频统计组件的原理和相关技术的介绍,结合消防业务部门在灭火救援及防火监督方面的热词分析及预警需求,对Solr词频统计算法进行改进。通过利用消防各类业务系统的相关数据建立索引,以Solr全文检索框架及改进后的词频统计算法为基础,设计一套面向消防业务的高效热词分析系统,并阐述在该领域内的研究应用成果。通过本系统的应用,可以为消防部门在主动发现当前热点警情和预测预警业务上提供数据支撑。

基于BERT的警情文本命名实体识别

针对警情领域关键实体信息难以识别的问题,提出一种基于BERT的神经网络模型BERT-BiLSTMAttention-CRF用于识别和提取相关命名实体,且针对不同案由设计了相应的实体标记注规范。该模型使用BERT预训练词向量代替传统Skip-gram和CBOW等方式训练的静态词向量,提升了词向量的表证能力,同时解决了中文语料采用字向量训练时词语边界的划分问题;还使用注意力机制改进经典的命名实体识别(NER)模型架构BiLSTM-CRF。BERT-BiLSTM-Attention-CRF模型在测试集上的准确率达91%,较CRF++的基准模型提高7%,也高于BiLSTM-CRF模型86%的准确率,其中相关人名、损失金额、处理方式等实体的F1值均高于0.87。

改进的CRNN模型在警情文本分类中的研究与应用

针对某市公安110接处警文本描述进行案件分类的需求,参考现有文本分类方法在其他行业的应用,搭建了应用于警情描述的文本分类系统.通过论证常见分类网络适用场合及其优缺点,结合对警情数据中案件描述特征的分析,提出了基于改进卷积循环神经网络的模型,该模型优化了关键特征提取过程,弥补了现有模型短文本局部特征提取不足的缺陷.实验表明,该模型的准确率比常见分类模型提升了2%~3%,且能够有效保证数据局部特征的关联性,可以对案件描述所对应的案件类型进行准确分类,从而提高公安接处警平台的自动化效率.

面向不确定性环境的云服务自适应监测方法

云环境具有动态性和不确定性,需要对云服务进行在线监测,保障云服务系统的可靠运行。然而,由于云平台中的服务数量庞大,通常监测重要度高的服务以控制监测成本。针对当前监测策略动态适应性不足问题,文章提出面向不确定性环境的云服务自适应监测方法。基于服务之间的协同交互关系,构建面向功能与非功能的双层服务网络模型;结合复杂网络中心性指标,获取云服务重要度评估结果,设计一种资源约束下的基于重要度的监测资源的动态配置算法。通过云服务系统案例分析,验证所提监测方法的有效性。

消防领域知识图谱构建与辅助决策研究与应用

研究知识图谱在消防领域的构建流程,包括数据处理、知识建模、知识抽取、知识融合和知识存储,并基于消防相关资料构建事件知识图谱和消防知识图谱两个图谱。另外,研究消防领域利用现代技术构建智慧消防的应用,以其中辅助决策环节为落脚点将知识图谱应用在该环节中。最后,展示两个图谱的构建成果,并根据文本相似度将决策者输入的事件信息搜索对应的处置建议和历史事件信息,实现辅助决策,在此基础上进一步搜索消防知识图谱中的相关知识点。

ARIMA模型在城市客流聚集风险分析中的应用

公众出行安全问题是城市公共安全关注的焦点,高效准确地预测客流趋势至关重要。文章利用时间序列分析,对城市重点区域周边移动基站接入的终端数据建立ARIMA(差分自回归滑动平均)模型。经过验证发现ARIMA模型对未来短时客流数据拟合度较高,可以预测客流的发展趋势,在一定程度上能够为客流聚集风险防控进行提前预警,并为后续的客流管制措施的制定起到数据支撑作用。

运用深度学习技术驱动青少年心理健康服务

目的为解决当前青少年心理健康服务供需失衡和质量良莠不齐等问题,研究应用深度学习技术,实现青少年心理问题早期的智能咨询、筛查、评估及初步干预。方法通过对心理学理论及案例进行解析,构建基于因果关系的认知事理图谱和策略驱动的心理咨询对话大模型,实现自动生成回复、评估和简单干预等。结果经过对随机抽取的100例数据进行测试,表明该模型能够更好地理解和处理心理咨询问题,完成部分筛查、咨询和科普工作。结论本研究验证了深度学习技术在青少年心理健康领域的应用价值,特别是构建的大模型在当前青少年心理服务支持资源不足的情况下,提供了一种可推广、可复制的线上心理服务新模式。

消防业务大数据挖掘分析服务平台设计研究

近年来随着消防业务涉及面越来越大、跨度越来越广,消防部门已经无法有效及时地处理每日产生的业务数据,同时对数据的挖掘分析也不够全面。文章设计一套基于大数据技术的消防业务数据挖掘分析服务平台,阐述消防业务数据挖掘分析服务平台的总体设计方案,包括平台物理架构、软件架构和平台的功能特点。本平台能够为消防相关部门提供可靠的数据支持,进而帮助指导消防各项业务顺利高效地运作。