重建知识源流:将结构化知识自动溯源至史籍原文

将结构化历史知识溯源至史籍原文能够提升知识的可验证性和可靠性。本研究针对古籍知识库缺乏完善知识溯源机制和部分古汉语文本缺乏触发词的问题,提出了一种将结构化历史知识溯源至史籍原文的方法。首先,结合共指消解、文本蕴涵等技术和方法,提出了结构化历史知识溯源框架;其次,在构造数据集的基础上,通过实验对比了BERT(bidirectional encoder representations from transformers)、SikuBERT与GPT-3(generative pre-trained transformer 3)、GPT-4等不同预训练模型和不同输入策略对知识溯源效果的影响,构建了结构化历史知识溯源模型SHK-Tracer(structured historical knowledge tracing model),其精确率为80.19%;最后,采用SHK-Tracer将史记多维知识库(Shiji Mutil-dimensional Knowledge Base,SMKB)分别溯源至不同的史书,发现《史记》与《左传》《国语》中各史料片段的知识重合度及片段本身所包含的信息含量不成正比。本研究结果一方面能够支持相关读者核验知识真伪、提供不同史料之间的相互参照以及结合史料年代等信息确定知识源头,另一方面能够为史籍知识计量、关系抽取和语言风格计算等数字人文研究提供基础语料。

生成式情报学术语自动抽取与多维关联知识挖掘研究

情报学术语承载了情报学科基础知识与核心概念。从概念维度梳理与分析情报学术语对推动学科发展、助力下游知识挖掘任务具有重要意义。面对数量快速增长的科技文献,自动术语抽取替代了人工筛选,但现有方法严重依赖大规模标注数据集,难以迁移至低资源场景。本文设计了一种生成式情报学术语抽取方法(generative term extraction for information science,GTX-IS),将传统基于序列标注的抽取式任务转化为序列到序列的生成式任务。结合小样本学习策略与有监督微调,提升面向特定任务的文本生成能力,能够在低资源有标签数据集场景下较为精准地抽取情报学术语。对于抽取结果,本文进一步开展了情报学领域术语发现及多维知识挖掘。综合运用全文科学计量与信息计量方法,从术语自身、术语间关联、时间信息等维度,对术语的出现频次、生命周期、共现信息等进行统计分析与知识挖掘。采用社会网络分析方法,结合时间维度特征,从术语角度出发,完善期刊的动态简介,探究情报学研究热点、演变历程和未来发展趋势。本文方法在术语抽取实验中的表现超越了全部13种主流生成式和抽取式模型,展现出较强的小样本学习能力,为领域信息抽取提供了新的思路。

三角引用关系中文献位置的差异对比研究

三角引用是一种融合直接引用关系、耦合关系和共被引关系的特殊引用结构,具有较高的研究价值与拓展意义。为了解同一篇文章在三角引用中不同位置的表现,提出正向三角引用、双向三角引用和逆向三角引用。以Web of Science核心合集数据库中LIS学科作为数据来源,从存在概率、数据特征、引用时间、跨语言引用、跨学科引用、文献类型和作者自引等方面分析了三种三角引用。研究发现,三种三角引用各有特点,在文献类型和作者自引中,三种三角引用表现一致;在存在概率、文献数量特征,以及引用时间、跨语言引用和跨学科引用上存在区别。此外,三角引用结构结合文本相似度与耦合引用强度为分析文献漏引与非相关引用提供了可能。

甘肃某县窖水水质分析及健康风险评价

本文以甘肃某县为代表,对区域内冬、夏两季窖水的常规指标、17种全氟化合物和15种邻苯二甲酸酯类进行了检测,对污染来源进行了探讨,并评估了两类新污染物的健康风险.结果表明:该县窖水pH普遍偏高,夏季雨期窖水浊度显著高于冬季.新污染的检测中,共检出13种邻苯二甲酸酯类(PAEs)和14种全氟化合物(PFCs).冬季窖水中PAEs总浓度范围为2.65-3.71μg·L^(−1),总浓度平均值3.12μg·L^(−1).夏季窖水中PAEs总浓度范围为1.85-9.26μg·L^(−1),总浓度平均值为4.56μg·L^(−1).两季窖水中,邻苯二甲酸二丁酯和邻苯二甲酸二异丁酯是含量最高的成分,两种物质分别占窖水PAEs总浓度的47.8%和48.5%,窖水中PAEs没有致癌和非致癌风险.冬季窖水中PFCs的总浓度为143.93-246.47 ng·L^(−1),夏季为275.90-405.51 ng·L^(−1).检测出的PFCs包括全氟羧酸(PFCAs)和全氟磺酸(PFSAs)两大类,PFCAs占窖水PFCs总量的80%以上,是窖水中PFCs的主体.两季窖水中全氟辛酸、全氟辛烷磺酸、全氟壬酸和全氟己烷磺酸的健康风险评价结果显示,除个别窖水样品,4种PFCs的浓度一般较低不构成健康风险.

突发公共卫生事件中应急物资保障标准化问题研究

加强突发公共卫生事件应急物资保障建设,是健全完善公共卫生体系的关键环节,事关国家长治久安。本文通过梳理国内外突发公共卫生事件中应急物资保障的经验做法,发现并提出我国应对突发公共卫生事件中尚存的应急物资保障相关标准化问题。

大型邮轮上层建筑舷侧开口结构剪切强度试验研究

以某大型邮轮上层建筑舷侧局部结构为研究对象,设计两种典型舷侧开口结构的缩比模型并开展了剪切强度试验研究,探究了在剪切载荷作用下大型邮轮舷侧局部开口结构的屈曲失效模式、应力状态和极限承载能力,归纳了舷侧开口结构的变形特点和应力分布特征。研究结果对于国内大型邮轮上层建筑舷侧结构设计及剪切强度评估具有较大参考价值。

SikuBERT与SikuRoBERTa:面向数字人文的《四库全书》预训练模型构建及应用研究

数字人文研究需要大规模语料库和高性能古文自然语言处理工具的支持。面向英语和现代汉语的预训练语言模型已在相关领域提升了文本挖掘精度,数字人文研究的兴起亟须面向古文自动处理领域的预训练模型。文章以校验后的高质量《四库全书》全文语料作为无监督训练集,基于BERT模型框架,构建面向古文智能处理任务的SikuBERT和SikuRoBERTa预训练语言模型。实验进一步设计面向《左传》语料的古文自动分词、断句标点、词性标注和命名实体识别等验证任务,分别对SikuBERT、SikuRoBERTa预训练模型和其他3种基线模型(BERT-base、RoBERTa、GuwenBERT)进行对比试验。结果显示:SikuBERT和SikuRoBERTa模型在全部4个下游验证任务中的表现均超越其他基线预训练模型,表明文章提出的预训练模型具有较强的古文词法、句法、语境学习能力和泛化能力。基于验证任务效果最优的SikuRoBERTa预训练模型,进一步构建“SIKUBERT典籍智能处理平台”。该平台提供典籍自动处理、检索和自动翻译等在线服务,可以辅助哲学、文学、历史学等领域学者在不具备数据挖掘与深度学习的专业背景下,以直观可视化方式对典籍文本进行高效率、多维度、深层次、细粒化的知识挖掘与分析。

全埋式抗滑桩合理桩间距确定方法探讨

基于已有的桩间土拱简化计算模型,利用传递系数法确定作用于单位厚度土拱上的线分布压力q。考虑跨中截面前缘土体实际处于三向受压状态,由此建立土体抗剪强度条件,并在此基础上,提出以桩间静力平衡条件、跨中截面前缘土体抗剪强度条件以及拱脚处截面强度条件确定桩间距,推导出符合工程实际的桩间距计算公式。通过具体的工程实例,阐述抗滑桩桩间距的计算过程,得到比较合理的计算结果;进行距宽比L/b影响参数的敏感性分析,研究结果表明:在其他因素不变的情况下,边坡稳定系数Fsd的选取,对距宽比L/b的取值有显著影响。桩周土体的黏聚力c对距宽比L/b的取值有较大影响,内摩擦角φ对距宽比L/b值有影响,但影响程度较弱。

透水沥青混合料长期净化行为与清理节点

为研究透水沥青混凝土堵塞现象对其污染净化行为的影响,制备了不同空隙率的透水沥青混合料,测试了混合料的基本性能,确定了干法撒布沉积土与湿法化学试剂法投放相组合的污染物输入方式,并对马歇尔试件进行了径流水样污染物总量等效年限为10 a的渗透系数与污染净化率同步测定。试验结果表明:在风干效应影响下,透水沥青混合料路面空间排水能力随着服役年限的增加而逐渐衰减,结构空隙内沉积物的絮凝、成团、结硬,促进了溶解态污染物向悬浮颗粒的附着过程;增加各种污染与透水沥青混合料内部孔隙的接触时间,提高污染物的净化率,且截留悬浮颗粒和空隙内部组成的新空隙结构能够显著提高材料对各种污染物的截留、净化能力。最后,分别根据平衡原则、最大污染物净化率原则和排水能力优先原则提出了3种确定透水沥青混合料清理节点的方法,可为透水沥青路面的定期清理提供量化指导。

古文自动处理研究现状与新时代发展趋势展望

[目的/意义]随着数字化古籍文献的普及,利用自然语言处理与大数据分析技术,在古代典籍上开展文本挖掘与知识发现,逐渐成为数字人文在古文信息处理领域的重要研究方向,也是体现文化自信的重要途径。[方法/过程]文章定义了古文自动处理的概念,从古文自动处理的领域划分与模型算法、语料资源与现有工具、知识库与平台系统3个方面,梳理古文自动处理领域的内涵和外延,整体把握该领域研究现状与发展趋势。[结果/结论]较全面地归纳总结了当前古文自动处理研究现状,分析了存在的问题与不足。

面向数字人文的《四库全书》子部自动分类研究——以SikuBERT和SikuRoBERTa预训练模型为例

文章基于面向古文自然语言处理的SikuBERT和SikuRoBERTa预训练语言模型,在《四库全书》子部14个类别的古籍文本上开展典籍自动分类模型的构建,并与BERT、BERT-wwm、RoBERTa和RoBERTa-wwm基线模型进行对比。文章提出的两种分类模型效果均优于基线模型,SikuBERT模型取得90.39%的整体分类F值,在天文算法类古籍上的分类F值达98.83%。在类别自动识别任务中,SikuRoBERTa的预测正确率达95.30%。基于SikuBERT和SikuRoBERTa预训练语言模型的四库自动分类体系可以将典籍文本划分为所属子部类别,构建的分类工具为高效自动化典籍分类提供了新途径。

基于全字语义的摘要结构功能自动识别研究

学术文献摘要的各个结构都具有特定的功能,但是目前对学术文献摘要结构功能自动识别的研究相对较少,且存在方法较为传统、识别效果不显著的问题。以摘要文本中的字为基本语义单位,本文以基于具有序列属性的LSTM-CRF模型的深度学习方法,利用摘要中所有字所包含的语义信息,构建了期刊论文摘要结构功能自动识别模型,并与具有非序列属性的SVM模型与具有序列属性的RNN模型、CRF模型和LSTM模型进行了多个角度地对比。本文提出的模型在摘要结构功能识别的准确率、召回率和F值上均取得显著效果,F值最高达到85.47%。与RNN模型、CRF模型、LSTM模型和SVM模型相比,LSTM-CRF的平均整体性能分别提升了33.63%、39.13%、32.81%和38.33%。

面向数字人文的融合外部特征的典籍自动分词研究——以SikuBERT预训练模型为例

数字人文研究为古籍文献的深度开发与展示提供了良好的平台。精准的文本分词是研究者在古籍文献处理中需要优先解决的问题。文章基于记载春秋至魏晋时期历史的最具有代表性的6部官修史籍构建古文分词语料库,结合预训练和词典信息融合两种策略,运用4种深度学习模型进行多组对比实验,以确定不同模型的适用范畴。在此基础上,开发面向繁体古文的分词工具,为从事数字人文的研究者提供简单有效的文本分词方法。

数字人文视角下的非物质文化遗产文本自动分词及应用研究

文本自动分词是非物质文化遗产相关数字人文研究的基础与关键步骤,是深度发掘非遗内在信息的前提。文章构建了国家级非物质文化遗产项目申报文本自动分词模型,探究了融入领域知识的机器学习模型CRF、深度学习模型Bi-LSTM-CRF和预训练语言模型BERT、RoBERTa、ALBERT在非遗文本上的分词性能,并对比了通用分词工具HanLP、Jieba、NLPIR的效果。在全部14种模型中,RoBERTa模型效果最佳,F值达到了97.28%,预训练模型中ALBERT在同等条件下训练速度最快。调用分词模型,构建了非遗文本领域词表和全文分词语料库,对非遗文本词汇分布情况进行了分析挖掘。开发了中国非物质文化遗产文本自动分词系统(CITS),为非遗文本自动分词及分词结果的多维可视化分析提供了工具。

数字人文视域下SikuBERT增强的史籍实体识别研究

利用自然语言处理技术深入挖掘典籍文献,推进中文古籍文献的数字化,对于推动历史学习、增强文化自信与促进文明传播具有重要意义。命名实体识别研究是自然语言处理中的基础性环节,文章基于BERT-base、RoBERTa、GuwenBERT、SikuBERT、SikuRoBERTa等预训练模型,以“前四史”和《左传》为研究语料,构建人名、地名、时间等命名实体识别任务。实验结果表明:SikuBERT、SikuRoBERTa在无标点语料、小范围语料上能够取得较基准模型更好的效果;语体风格、语料规模对模型性能产生一定影响;BERT模型更为适应大规模语料任务。实验验证了基于《四库全书》繁体语料预训练的BERT模型在预训练-微调范式下典籍命名实体识别的可行性,构建了基于SikuBERT的典籍命名实体识别软件,为进一步开展典籍文本挖掘和利用提供参考。

面向道路交通违法行为的事理图谱构建技术

我国道路交通安全法律法规体系不断完善,要求交警部门针对具体的交通违法行为给予不同程度的处罚,为了响应国家以智慧化推动治理现代化的号召,可利用事理图谱技术构建道路交通领域知识库,揭示道路交通违法行为事件之间的逻辑关系,能快速且有效辅助处理交通违章事件。以开源数据为基础,面向道路交通违法行为构建事件语料库,通过事件抽取、关系抽取等步骤,构建交通违法事理图谱,在此基础上,实现了交通违法问答系统。研究结果表明:利用所提模型抽取道路交通违法行为事件的分类评价指标F1值达到0.832,识别率很高。此外,基于事理图谱的交通违法问答系统展示了事理图谱技术在道路交通领域具备良好的应用前景。

基于BJRC模型的学术论文创新度测量研究

当前,学术论文产出与日俱增,在众多学术论文中快速找出创新度较高的成果是亟需解决的重要研究课题。在阐述学术论文创新度影响因素的基础上,本文构建了一种基于作者前期积累(B)、载体影响因子(J)、被认可程度(R)、内容相似度(C)四个方面的BJRC学术论文创新度测量模型。利用2015—2017年“人工智能”主题下的学术论文被专利引用的次数进行模型验证分析,从内部和外部两个方面进行了对比研究。结果表明,本文构建的BJRC学术论文创新度测量模型是科学合理的,有助于简单直接地识别出年度最具有创新价值以及部分创新度比较高的学术论文,具有一定的实践意义,未来可以拓展到某一学科或者更大学术领域的学术论文创新度测量。

基于数字图像技术的再生骨料沥青混合料骨架接触类型量化表征

新-旧骨料的接触类型及其比例决定了再生骨料沥青混合料的力学强度和耐久性。对比了再生骨料与天然骨料的物化特性差异,分析了AC-20C型再生骨料沥青混合料的路用性能,并通过截取试样断面图像、提取骨料接触点对再生骨料沥青混合料中不同骨架接触类型及其比例进行了量化表征。结果表明,与天然骨料相比,再生骨料针片状含量和表观密度降低,压碎值和吸水率增大,其沥青混合料的高温性能明显提高,低温性能、水稳定性和疲劳性能有一定程度的下降,除了水稳定性,低温和疲劳性能仍满足规范要求;提出了骨架接触类型的分类和判别原则,发现再生骨料沥青混合料以“再生骨料-再生骨料”接触为主,30%取代率下再生骨料类接触占比达到85.7%。本研究尝试从骨架接触特性角度评价再生骨料对再生骨料沥青混合料性能的影响,为进一步建立其宏观性能和细观接触特性参数间的关系奠定基础。

山区城市防洪排涝工作中的不利因素与对策研究

本文以山区城市的经济发展状况为基础,为制定合理的防洪标准、建立径流模型方面提供技术支持。主要采用GIS技术对数据进行处理,通过集对分析法优化防洪标准方案,选取最佳方案建立降雨模拟模型、山区流域地形三维模型,促进径流模型的建立,解决山区城市防洪排涝工作的难题。

双桥墩条件下冰塞发展临界条件试验初步研究

河流中的桥墩改变了附近原有的水流特征,冬季可能对其附近冰塞的形成和演变产生影响。基于水槽模型试验,通过改变墩心距、墩径、墩形、冰水流量比和水流弗劳德数,分析了双桥墩条件下冰塞发展通过桥墩的临界条件。试验表明:冰塞能否发展通过桥墩所在断面存在临界弗劳德数,其值受墩心距、墩径、墩形和冰水流量比等因素控制,随着墩心距的减小或冰水流量比、墩径的增大,冰塞发展通过桥墩所在断面难度增大,方形墩相较于圆柱形墩难度增大;试验范围内,随着墩心距的减小,桥墩所处河道断面输冰能力增强,初始冰塞厚度增加,但冰塞平衡厚度减小。