基于GloVe-CNN算法的英语在线考试主观题自动评分模型

针对英语在线考试系统的主观题评分本身具有的复杂性,引入单词表达式的词向量模型global vector(GloVe)与卷积神经网络(CNN)构建文本表达式特征,提出了基于GloVe-CNN算法的主观题自动评阅模型,以实现英语在线考试系统主观题自动评分。通过平方加权Kappa评价指标,与人工阅卷分数差对比发现,该模型在评分的一致性、准确性等指标上要优于卷积神经网络、KNN模型等传统的模型,整体性能较好,可进一步减轻教师的教学负担。

基于事件异构图表示的文本去重算法

基于图结构的文本表示方法在新闻文本去重中具有更好的效果.但是,目前该表示方法还不能完整地表示文本的全部信息,并且忽略了图的语义信息,降低了新闻文本的去重效果.为此,本研究提出基于事件异构图表示的文本去重算法,该算法首先通过事件异构图表示新闻文本的全局语义与结构信息,然后提出双标签图核算法表征事件异构图,实现深度表征图的结构及语义信息.实验结果表明,该研究提出的去重算法比现有的基于图结构的文本表示去重方法在F1-score指标上提升了10%.最后,该算法能提高新闻文本的去重效果.

基于三维动态全景的电力变压器漏磁场损耗智能控制技术研究

在三维动态全景模式下设计的电力变压器容易出现漏磁场损耗现象,采用传统控制技术缺少对横向漏磁的分析,导致控制精准度较低,为了解决该问题,提出了基于三维模式的电力变压器横向漏磁场损耗智能控制技术研究。结合"场-路"耦合有限元漏磁场损耗计算原理,分析横向漏磁分布特性。采用增量式编码盘检测转子位置,当变压器复位后,需重新设定转子磁场角度。分别使用两个计时器记录脉冲和周期,使用抗积分饱和调节器对电流进行调节,使其产生直轴和交轴电流。对绕组末端变压器进行分接处理,通过调节分接S1大小,实现对电力变压器漏磁场损耗的智能控制。由实验对比结果可知,用三维手段能使该技术控制效果最高达到97%,为电力变压器稳定运行奠定基础。