一种基于图卷积神经网络和依存分析的财经新闻情感分析方法

财经新闻的情感分析有助于企业和投资者确定投资风险和提高经济效益,具有较高的应用价值。针对财经新闻文本,提出一种在图卷积神经网络中使用依存句法分析(Dependency Analysis-based Graph Convolutional Network,DA-GCN)的情感分析方法。该方法通过分析文档中词语的依存关系,获取句子的语序信息和文档中重要的句子成分,再通过词语在文档中的共现信息实现信息传递和对图的参数更新。在财经新闻数据集上进行的实验表明,本文提出的方法与传统深度学习方法相比,在各项评价指标上都取得显著提升。

Comparisons of surface Chl a and primary productivity along three transects of the southern South China Sea, northern Java Sea and eastern Indian Ocean in April 2011

Results are presented about the changes in chlorophyll a density, carbon fixation and nutrient levels in the surfacewaters of three transects of the southern South China Sea （SCS）, northern Java Sea （JS） and eastern Indian Ocean （IO） duringApril 5-16 of 2011. The in situ Chl a concentration and carbon fixation showed decreasing trends from high to low latitudealong the three transects, while the photosynthetic rate of phytoplankton estimated from 14C incorporation displayed no simplevariation with latitude. Chl a concentration and carbon fixation in the IO water was lower than that in the JS water. Highersalinity and lower contents of dissolved inorganic nitrogen （DIN） and silicate （SiO3^2-） characterized the IO water as comparedto the SCS or JS water, and the PO4^3- content was lower in the IO water than in the SCS or JS water in most cases. Our resultsalso indicate the importance of DIN and SiO3^2- concentrations for the geographical changes in phytoplankton biomass andprimary productivity among the three regions.

基于全耦合时域计算的半潜平台气隙预报

半潜式平台具有甲板面积大和平台支柱相对细长的结构特点,当波浪直接砰击甲板时会对平台结构造成严重的破坏,需要对平台各处上浪危险点进行局部加强,因此准确对平台的气隙进行预报,对平台设计工作有着十分重要的意义。以半潜型生产平台为研究对象,分析平台系泊耦合系统在风浪联合作用下的气隙预报。该文通过建立半潜平台模型,计算频域下平台的运动响应特性,再建立系泊系统模型,计算不同浪向下平台的运动响应,以及不同浪向下气隙响应时域结果,并与频域结果进行比较分析,得出了两种方法对于气隙预报的差异,分析了影响气隙预报结果的因素。研究表明,时域预报相对波面升高和气隙值的计算结果和频域预报结果走势基本保持一致。频域分析方法相比时域方法的优点在于计算时间短且计算过程简便,可用于平台初步气隙预报。然而,时域结果能更真实准确地反映在实际海况中平台的气隙响应变化,时域分析方法所得到的相对波面升高数值总体较频域结果更大,并且后立柱附近的气隙值总是小于前立柱附近气隙值。