基于深度学习方法的中文书籍专业术语提取方法研究

中文缺乏单词边界,从非结构化文本中识别中文专业术语十分具有挑战性,因此专业术语识别技术的应用的情景非常多样化.设计了一种针对任意领域内中文的提取专业术语的新方法.首先获取文本数据的分词结果,然后采用基于BERT改进的词表征方法获得词向量,最后使用基于自动编码器的深度聚类方法完成对中文专业术语的提取.分别在公开数据集和自选取的专业书籍数据上做了对比实验.与其他方法相比,改进后算法在精确率、召回率和F1值3个指标上都有了明显的提升.

一种基于深度学习的自聚类算法

对于聚类而言确定聚类数目一直是一个具有挑战性的难题。尽管在经典与深度聚类中,非参数方法的好处是众所周知的,但大多数方法都是参数的,即需要预定义的固定数量的聚类,用k表示。一旦给定的k不准确,那么聚类结果的准确度将会十分低下,尤其是对于高维数据和多种类数据而言。本文提出了一种非参数深度自聚类方法——基于蒙特卡洛方法(Monte Carlo method)的聚类数目确定方法。它是一种可以对多种类数据自动判断聚类数目的方法,并且得到的嵌入具有很好的解释性,可以用于其他任务。本模型采用自编码器作为主体,使用蒙特卡洛方法综合确定聚类数目。在对多种类数据进行的试验中,效果相对于本文选取的先进对照方法有了明显的提升。

基于IPv6的BACnet/IP通信协议的研究

BACnet是用于楼宇自控系统的数据通信协议,BACnet/IP是BACnet与INTERNET的互联协议,它将IPv4网络作为下层通信网络。从网络技术的发展来看,IPv6网络将逐渐取代IPv4网络。本文针对这一趋势,提出了基于IPv6的BACnet/IP通信协议,利用NS-2对BACnet/IP基于IPv6的通信进行了建模仿真,并对比分析了BACnet/IP在IPv6网络与IPv4网络下的数据传输性能,从而论证了BACnet/IP通过扩展是可以在IPv6网络通信的,而且其传输性能优于IPv4网络。

基于司法区块链的智能合约管理技术研究

司法区块链因其良好的存证增信能力和去中心化的不易灭失性,已成为智慧司法的重要组成部分。针对基于传统区块链构建的司法电子记录智能合约存在的数据吞吐率不足的问题,本文提出了一种基于IPFS的电子司法记录区块链模型,用于去中心分布式的可信存储司法相关的电子文本,并提出了一种适用于司法领域的区块链司法记录存储、处理、检索和更新等方法。实验结果表明,相较于传统的方式,本文所提出的方法在保持去中心化和分布式不易篡改的环境下显著提升了数据吞吐率,为实际应用提供了支撑。

一种中文法律审判文书的知识抽取方法

对于海量司法判决文书而言,使用人工力量从大量文本中准确找到相关的法学知识和案件信息费时费力。因此,有必要从现有的半结构化或非结构化法律文本中提取人们通常关心的信息,并将其存储在数据库中并形成域知识图谱,从而方便用户搜索并快速获得所需信息。同时,鉴于相对固定的格式结构和严格的法律文本规范和抽取工作的成本性要求较为严格,论文采用基于字典和特定规则的策略,并在随机条件场的支持下进行补充,以实现更高的法律知识和案件事实抽取的准确性和有效性。首先,定义了法人实体类型和命名实体,针对该领域的实际需求,定义了11种类型的命名实体。然后,根据针对不同类型的文档和案例得出的判断结构和框架来提取案例知识。最后,使用基于规则的方法提取案件的基本信息,并使用依存语法分析方法从"已查明事实"部分中提取事实三元组。

一种基于知识图谱的多元空间涉案人财物线索挖掘模型简析

论文针对司法案件处理流程过程中,隐匿涉案财物的追踪往往由于被执行人的先期转移、案件执行地域广,涉案人物线索过多,从而导致案件执行困难等问题,提出了一种基于多元空间涉案人财物线索的图谱网络。通过该网络挖掘可执行财产和潜在转移对象,并使用机器学习算法进行转移风险分类预测及风险排序。实验表明所提出的模型方法具备初步的可行性和有效性。

基于分段卷积模型的中文实体关系抽取模型及应用

针对部分垂直领域中文语言结构的独特性和语义的复杂性,提出使用一种面向实体关系抽取的分段卷积模型,并在部分中文垂直领域的数据上实施实验。试验结果表明,所使用模型在中文垂直领域特征上具有可行性和有效性。

一种基于BILSTM_CRF的中文实体抽取方法

实体抽取是构建知识图谱必不可少的环节。针对传统知识图谱构建中实体抽取需要大量人工特征和先验知识这一问题,提出了一种基于BILSTM_CRF的中文实体抽取方法。在法律领域的数据集上进行实验,实验结果验证该方法具有很好的适用性。

基于FFSM算法的民事案件关联分析

随着数据挖掘技术在司法领域的应用,人们迫切地希望在海量的法律文书中挖掘出所需要的信息,特别是隐藏在海量的法律文本中的一些有价值的人案关联信息。对比于刑事领域的关联挖掘研究,民事领域很少。因此,论文提出了针对民事领域的多案件多人员的关联挖掘模型。首先,针对现有法律裁判文书,我们使用图结构表示民事案件中的人员信息。其次,论文详细介绍了FFSM 算法,并利用该算法挖掘民事案件中潜在的关联关系。最后,分析实验结果。通过实验表明,论文中的模型对民事案件数据的关联信息获取具有一定价值。

基于数据挖掘和数据分析技术的司法执行全流程监管协同系统的设计应用

依法治国理念的实现,不仅要依靠完善的法律法规,还需要有强大的法律执行力度,否则判决书将变成一纸空文。针对我国司法执行过程中缺乏有效地监管机制,论文提出了一种有效地隐匿财产监管模型。该模型主要用于监管司法执行过程中可能存在的不公平、不规范以及执行效力低下等问题,实验结果表明模型有效。

基于SCI与语言相关脑科学研究热点分析

基于科学知识图谱理论,以1995-2015年间被Web of Science的核心合集数据库收录的与脑科学语言任务相关的学术论文为研究对象,利用CiteSpace进行可视化分析,绘制出与语言相关的脑连接机制论文的发文国家、发文机构、发文作者、被引文献、关键词的可视化模型,对各个国家及机构的产出、该领域主要代表人物和经典文献、研究热点及发展趋势进行可视化呈现。分析结果表明:美国是脑认知科学研究的主导力量;爱丁堡利手量表、Talairach坐标是该领域被引频次最高的经典文献;白质、额叶皮层与神经性疾病的关系是近两年研究的热点。

多模态跨领域信息智能处理关键技术研究及产业化应用

智能信息处理是利用机器学习算法建立处理复杂系统信息的理论、方法和技术,具有非常广泛的应用前景.在当前人工智能革命中,许多创建智能信息处理系统的关键技术和专利依然源自于欧美科技巨头,严重制约了我国信息社会的发展进程.