榆神矿区多层厚硬顶板强矿压显现及覆岩破断运动规律研究

针对榆神矿区多层厚硬顶板条件下工作面强矿压和邻空侧巷道变形严重问题,综合采用理论分析、数值计算和微震监测方法,分析了多关键层结构下顶板覆岩破断和邻空侧巷道围岩应力特征。研究结果表明:多层厚硬岩层条件下,顶板破断垂向位移和能量均呈现明显的“低、中、高”分区特征,中高位岩层破断明显滞后于低位岩层,这构成了工作面“大、小周期”的重要结构基础;本工作面开采时,相邻采空区破碎顶板大能量微震事件增多、破断强度较高,并可对邻空回风巷围岩形成强二次采动影响,这是邻空侧回风巷高应力、强变形的主要诱因。同时,高低位多关键层组合破断可导致“大周期”来压发生强度和风险上升,对关键层顶板破断运动规律进行控制是降低“大周期”强度和频率的有效途径之一。

基于依存句法的可解释图像描述生成

已有图像描述生成模型虽可以检测与表示图像目标实体及其视觉关系,但没有从文本句法关系角度关注模型的可解释性.因而,提出基于依存句法三元组的可解释图像描述生成模型(interpretable image caption generation based on dependency syntax triplets modeling,IDSTM),以多任务学习的方式生成依存句法三元组序列和图像描述.IDSTM模型首先通过依存句法编码器从输入图像获得潜在的依存句法特征,并与依存句法三元组及文本词嵌入向量合并输入单层长短期记忆网络(long short-term memory,LSTM),生成依存句法三元组序列作为先验知识;接着,将依存句法特征输入到图像描述编码器中,提取视觉实体词特征;最后,采用硬限制和软限制2种机制,将依存句法和关系特征融合到双层LSTM,从而生成图像描述.通过依存句法三元组序列生成任务,IDSTM在未显著降低生成的图像描述精确度的前提下,提高了其可解释性.还提出了评测依存句法三元组序列生成质量的评价指标B1-DS(BLEU-1-DS),B4-DS(BLEU-4-DS),M-DS(METEOR-DS),并在MSCOCO数据集上的实验验证了IDSTM的有效性和可解释性.

坚硬顶板回采巷道矿压显现规律及煤柱优化

为研究浅埋深坚硬厚顶板条件下合理护巷煤柱宽度,依据现场实测数据分析了工作面回采全过程围岩应力响应特征,研究了煤柱应力分布演化规律,采用数值模拟软件建立了不同煤柱宽度二维离散元模型,探讨了不同煤柱宽度条件下围岩应力与塑性区的分布规律。结果表明:煤柱侧向悬顶是造成巷道围岩应力响应强烈的主要原因,滞后工作面124~405.6 m顶板不同层位岩层运动强烈,靠近煤柱侧顶板锚杆(索)受力变化大,最大变化幅度达54 kN,滞后工作面距离大于405.6 m时锚杆(索)受力基本趋于稳定;巷道围岩变形以底鼓为主,且底鼓量占顶底板移近量的95%以上;煤柱应力分布呈“单峰型”分布特征,峰值应力分布在8~14 m范围内,采用理论计算得出了煤柱临界宽度为17.6 m;数值模拟表明煤柱宽度为18 m时,煤柱应力及塑性区分布均可满足保持巷道稳定的要求,理论计算与数值模拟综合分析确定了类似条件下合理煤柱宽度为18 m,并依据顶板岩层分布特征,提出了“支护-卸压”协同控制技术进一步优化煤柱宽度的思路及建议。

基于卷积神经网络与篇章结构的足球新闻自动生成方法

当前的足球比赛新闻通常是由专家或记者手工撰写的,足球比赛新闻的手工写作既费时又低效。随着在线直播平台与社交媒体的流行,体育网络直播脚本大幅增加,但网络直播脚本通常只记载一场比赛的流水,具有冗长且重点模糊的特性,不适宜于赛后直接阅读。为了解决以上问题,在比赛之后,可以基于直播脚本撰写和发布足球比赛新闻。因此,该文提出一种从网络直播脚本直接生成足球比赛新闻的方法。该方法基于卷积神经网络和足球新闻篇章结构,从足球比赛过程中的多个时间段提取出已发生的重要事件,进而抽取相关句子来生成足球新闻,同时,该方法还会针对比赛评价生成一个简短总结。实验结果表明,使用该方法从网络直播脚本生成足球新闻是可行的。

高职教育产教融合推进区域先进制造业发展的瓶颈与策略

通过研究高职教育产教融合的发展历程、推进区域先进制造业发展的意义、影响因素和存在瓶颈,提出高职教育产教融合有效推进区域先进制造业发展,需要采取“强化产教融合顶层设计,发挥政府统筹主导作用”“加快完善产教融合机制,创新产教融合模式”“优化高职教育师资队伍,强化师资培养培训”等策略,为加快构建产教融合协同发展命运共同体、促进区域先进制造业发展赋能提质。

基于依存句法的图像描述文本生成

现有图像描述文本生成模型能够应用词性序列和句法树使生成的文本更符合语法规则,但文本多为简单句,在语言模型促进深度学习模型的可解释性方面研究甚少。将依存句法信息融合到深度学习模型以监督图像描述文本生成的同时,可使深度学习模型更具可解释性。图像结构注意力机制基于依存句法和图像视觉信息,用于计算图像区域间关系并得到图像区域关系特征;融合图像区域关系特征和图像区域特征,与文本词向量通过长短期记忆网络(LSTM),用于生成图像描述文本。在测试阶段,通过测试图像与训练图像集的内容关键词,计算2幅图像的内容重合度,间接提取与测试图像对应的依存句法模板;模型基于依存句法模板,生成多样的图像描述文本。实验结果验证了模型在改善图像描述文本多样性和句法复杂度方面的能力,表明模型中的依存句法信息增强了深度学习模型的可解释性。

基于BERTCA的新闻实体与正文语义相关度计算模型

目前的搜索引擎仍然存在“重形式,轻语义”的问题,无法做到对搜索关键词和文本的深层次语义理解,因此语义检索成为当前搜索引擎中亟需解决的问题。为了提高搜索引擎的语义理解能力,该文提出一种语义相关度的计算方法。首先,标注了金融类新闻标题实体与新闻正文语义相关度语料1万条,然后建立新闻实体与正文语义相关度计算的BERTCA(Bidirectional Encoder Representation from Transformers Co-Attention)模型,通过使用BERT预训练模型,综合考虑细粒度的实体和粗粒度的正文的语义信息,然后经过协同注意力,实现实体与正文的语义匹配,不仅能计算出金融新闻实体与新闻正文之间的相关度,还能根据相关度阈值来判定相关度类别,实验表明该模型在1万条标注语料上准确率超过95%,优于目前主流模型,最后通过具体搜索示例展示了该模型的优秀性能。

基于贝叶斯网络的软岩巷道大变形影响因素分析

随着煤炭资源开采的深度和强度的大幅度增加,软岩条件巷道的维护出现了一系列新的控制难题,岩石性质、地应力类型、采场采动、含水层、巷道形状尺寸以及支护方案参数的选择等诸多因素耦合作用影响着软岩的位移量及巷道围岩应力场分布规律。为了实现对巷道围岩状态的实时定量化控制,将巷道监测数据通过全断面扫描仪等传感设备实时传入集控中心,利用贝叶斯神经网络方法进行软岩大变形相关影响因素参数分析,将巷道分段确定导致大变形的最高权重因素,并针对巷道断面形状、支护参数、支护方案以及回采工艺参数四个方面给出及时调整的最优方案。形成监测传感器-设备列车-集控中心-贝叶斯神经网络分析-方案定制-加强支护控制围岩的闭环机电智能化系统。可为类似条件下软岩巷道大变形机理与控制技术研究提供参考。

Image Zernike Moments Shape Feature Evaluation Based on Image Reconstruction

影像特征描述符的精确性的评估途径在影像特征抽取起一个重要作用。我们指出图象形状特征能被当简短介绍 Zernike 时刻的基本概念时，时刻设置了的 Zernike 描述。在基于 Zernike 时刻的反的转变谈论图象重建技术以后， Zernike 时刻的精确性的评估途径经由在原来的图象之间的不同度和重建比率塑造特征，重建的图象被建议。实验结果证明图象 Zernike 时刻的这条评估途径的可行性塑造特征。

Evolutionary Computation Based Optimization of Image Zernike Moments Shape Feature Vector

The image shape feature can be described by the image Zernike moments. In this paper, we points out the problem that the high dimension image Zernike moments shape feature vector can describe more detail of the original image but has too many elements making trouble for the next image analysis phases. Then the low dimension image Zernike moments shape feature vector should be improved and optimized to describe more detail of the original image. So the optimization algorithm based on evolutionary computation is designed and implemented in this paper to solve this problem. The experimental results demonstrate the feasibility of the optimization algorithm.

基于压缩与推理的长文本多项选择答题方法

多项选择作为机器阅读理解中的一项重要任务,在自然语言处理(natural language processing,NLP)领域受到了广泛关注。由于数据中需要处理的文本长度不断增长,长文本多项选择成为了一项新的挑战。然而,现有的长文本处理方法容易丢失文本中的有效信息,导致结果不准确。针对上述问题,提出了一种基于压缩与推理的长文本多项选择答题方法(Long Text Multiple Choice Answer Method Based on Compression and Reasoning,LTMCA),通过训练评判模型识别相关句子,将相关句拼接成短文本输入到推理模型进行推理。为了提高评判模型的精度,在评判模型中增加了文章与选项之间的交互以补充文章对选项的注意力,有针对性地进行相关语句识别,更加准确地完成多项选择答题任务。在本文构建的CLTMCA中文长文本多项选择数据集上进行了实验验证,结果表明本文方法能够有效地解决BERT在处理长文本多项选择任务时的限制问题,相比于其他方法,在各项评价指标上均取得了较高的提升。

基于图文双向引导注意力的新闻图集描述生成方法

在传统的图像描述生成任务中,已有方法对图像的描述仅仅停留在浅层,并缺乏真实世界知识的指导,难以挖掘出对象在特定背景下的逻辑语义关系。新闻文本的引入为图像描述带来了新的可能,同时对模型的学习能力有了更高要求;此外,新闻图集中往往存在多幅图像,且相互之间联系紧密,导致现有单图描述生成方法不适用于新闻图集描述生成。针对上述问题,本文提出了一种基于图文双向引导注意力(image and text bidirectional guidance attention,ITBGA)的新闻图集描述方法,以图集作为研究对象,并辅以对应的新闻文本作为背景知识,基于ITBGA分别实现粗、细两个粒度的跨模态信息交互,并通过指针网络辅助命名实体词生成。在本文构建的新闻图集数据集上进行了实验验证,结果表明ITBGA能有效提升描述文本的质量,在关键的CIDEr指标上达到了最优。

心脏病中文知识图谱的构建

心血管疾病长期以来一直占据着中国疾病死亡率榜首,并且其死亡率仍在逐年上升。在国内开源的中文医学数据集稀缺的背景下,结合自顶向下和自底向上的方法半自动化构建心脏病中文知识图谱。首先,基于高质量百科数据和医学文献构建心脏病本体,为了保证数据的领域封闭性,根据预先定义的疾病词典从百科类网站和医学网站等异构数据源中获取心血管疾病数据;接着,定义实体相似度计算方法进行更好的知识融合,并在图谱数据上通过模式发现寻找最优的数据模式,实现知识图谱模式层和数据层的共同迭代;最后,在图数据库中对图谱数据进行可视化展示,并根据当前研究动态探讨心脏病知识图谱一些具有前景的应用。

基于联合特征与Bi-LSTM模型的英汉双语文本情绪预测

英汉双语文本中的情绪可以通过英语和汉语的单语或者双语形式来表达。然而,以往的研究主要集中在单语文本的情绪分析,只有少数研究侧重于英汉双语文本。为提高英汉双语文本情绪预测效果,本文结合情绪词典方法与深度学习方法,使用联合特征与Bi-LSTM模型来对英汉双语文本进行情绪预测。首先基于情绪词典抽取出双语文本中包含的情绪词特征,然后联合情绪词特征与双语文本特征输入至Bi-LSTM模型进行特征学习,最后将学习到的深度语义特征输入到分类器中进行情绪预测。实验结果表明,该方法对英汉双语文本的情绪预测有良好的效果。

基于AM-BiLSTM模型的情绪原因识别

文本情绪原因识别是情感分析中一个新的研究方向,旨在从文本中自动检测出导致某一情绪产生的原因。针对循环神经网络在长文中出现的长期依赖问题,本文提出了一种基于注意力机制和双向长短时记忆(attention model and bi-directional long short-term memory,AM-BiLSTM)神经网络模型的情绪原因识别方法。该方法采用字符向量表示文本语义信息,使用BiLSTM模型提取文本特征,该过程结合了人工提取的子句特征,在训练模型时,引入了注意力机制来优化模型性能,使用softmax对子句进行分类。实验结果表明本文方法对情绪原因的识别是有效的。

基于BERT的阅读理解式标书文本信息抽取方法

针对标书文本重要信息的抽取需求,提出一种基于BERT(bidirectional encoder representations from transformers)的阅读理解式标书文本信息抽取方法。该方法将信息抽取任务转换为阅读理解任务,根据标书文本内容,生成对应问题,再抽取标书文本片段作为问题答案。利用BERT预训练模型,得到强健的语言模型,获取更深层次的上下文关联。相比传统的命名实体识别方法,基于阅读理解的信息抽取方法能够很好地同时处理非嵌套实体和嵌套实体的抽取,也能充分利用问题所包含的先验语义信息,区分出具有相似属性的信息。从中国政府采购网下载标书文本数据进行了实验,本文方法总体EM(exact match)值达到92.41%,F1值达到95.03%。实验结果表明本文提出的方法对标书文本的信息抽取是有效的。

基于依存句法与多头注意力的生物医学事件抽取

采用流水线方式抽取生物医学事件存在错误传播问题,且子任务之间的联系被忽略了。为了解决这些问题,采用端到端方法,对触发词识别、要素检测和事件评估三个独立的子任务同时建模,以联合的方式进行训练,再引入依存句法信息捕获同一句子中多个事件的关联性,将依存句法树转化为图,然后用基于多头注意力机制的图神经网络来建模图信息。实验结果表明,该方法在三大生物数据集上的事件抽取任务上效果较好。

中文图文数据集构建

为了从更深层次语义信息来描述图像,定义了图像、文本、事件文本、事件图、图像关键要素和文本关键要素六元组,以六元组为对象建立了中文图文数据集。基于事件语义模型与事件语义标注规范,在对采集的图像文本标注事件语义角色与事件关系的基础上,采用事件图对其语义进行形式化表示。对该中文图文数据集的统计分析表明,该数据集中各个事件语义角色都有所涉及且分布适中,图文对应区域数量相对句子长度表现适中,图文对数据质量较高。