钨颗粒增强铝/聚四氟乙烯材料的冲击反应特性

针对模压烧结法制备的4种不同配比的铝/钨/聚四氟乙烯(Al/W/PTFE)反应材料,采用分离式霍普金森压杆加载方法和高速摄影技术研究其冲击反应特性。实验结果表明:随着W含量的增加,反应材料的屈服强度和破坏强度提高;反应材料的应力-应变曲线分为弹性阶段、硬化阶段和破坏阶段,动态压缩特性具有明显的应变率效应;Al/W/PTFE反应材料的冲击反应过程可分为变形、破坏和燃烧反应;Al/W/PTFE反应材料中增加W含量,提高了材料的反应应变率阈值和比能量阈值。

CPLM-CSC:基于单字级别预训练语言模型的中文错别字纠正方法

由于汉语语义表达的多样性和复杂性,中文错别字自动纠正目前存在很多挑战。现有的错别字纠正算法的性能普遍不够理想,而且需要大量高质量的语料进行训练。该文提出一种基于预训练语言模型的错别字纠正方法CPLM-CSC,能够显著地提高纠错性能。CPLM-CSC采用基于单字级别预训练语言模型来进行错别字检测,并采用掩字语言模型来进行错别字纠正。为了提高纠正性能,CPLM-CSC采用音近、形近字判断等多种筛选纠正结果的方法,并针对一些典型且特殊的错误,例如"的地得"误用,采取了专门的数据增强方法。CPLM-CSC在SIGHAN 2015的评测数据集上进行了测试,取得了0.654的F1值,其性能优于其他模型。

基于数据增强和多任务特征学习的中文语法错误检测方法

由于中文语法的复杂性,中文语法错误检测(CGED)的难度较大,而训练语料和相关研究的缺乏,使得CGED的效果还远未达到实用的程度。该文提出一种CGED模型,APM-CGED,采用数据增强、预训练语言模型和基于语言学特征多任务学习的方式,弥补训练语料的不足。数据增强能够有效地扩充训练集,而预训练语言模型蕴含丰富的语义信息又有助于语法分析,基于语言学特征多任务学习对语言模型进行优化则可以使语言模型学习到跟语法错误检测相关的语言学特征。该文提出的方法在NLPTEA的CGED数据集进行测试,取得了优于其他对比模型的结果。