基于BTM主题挖掘和Kano模型的运动文胸用户需求研究

为了深入挖掘运动文胸的用户需求,文章采用BTM模型对10个运动文胸品牌的16 248条在线评论进行主题挖掘,构成运动文胸用户需求要素,并通过Kano模型分析用户满意度和需求度,确定各项要素的属性归类和优先级排序。研究结果得到,运动文胸用户需求维度包括功能质量、款式设计、面料材质、颜色外观、服务品质、品牌营销6个方面;在23项需求要素中,舒适度和防震功能是用户满意度建立的首要因素,下围、罩杯、面料手感、胸垫材质是产品优化中的关键因素,客服态度、退换货服务、声誉口碑、商品信息是服务和营销中的重要因素;进而提出优化建议供相关企业参考。

基于趋势分析BTM和应答器运用状态研究

BTM和应答器设备是列车运行控制系统的重要设备,随着高铁运营时间的增长、运营里程和动车组保有量的不断增加,车载BTM设备和地面应答器组,不可避免的会出现不同程度的运用状态下降,影响列车运输效率及行车安全。本文通过列控车载BTM设备运用数据,采用趋势分析和大数据统计对比的分析方法,结合设备检修维护以及故障排查结果,构建设备运用状态趋势分析模型,对车载BTM设备和地面应答器设备的运用状态趋势进行分析,动态评估设备运用状态,在设备故障前发出预警提示,及时检修维护,降低设备发生故障的风险,为电务设备从故障修转向预防修提供可靠保障。

融合BTM与TextCNN的文本语义增强主题爬虫研究

在拥有海量数据的信息时代,如何高效精准地检索到所需信息是一项巨大挑战,主题爬虫是获取某个特定领域信息的有效途径。通用的主题相似度计算通常是基于词粒度的特征表达,而忽略了文本整体的主题特征表达,会影响爬虫系统的查准率和查全率。对此,提出融合BTM与TextCNN模型的主题爬虫,将内容主题判别模块当作文本分类问题研究,通过融合BTM得到的文本主题向量与Word2vec词向量以增强文本语义信息,利用卷积神经网络提升判别模块的精确度,弥补了传统卷积神经网络分类模型中文本特征表示不充分的问题。实验结果表明,在开源新闻文本分类数据集(THUCNews)和自定义爬取的真实论文数据集中,融合BTM与TextCNN模型在测试集中的平均分类精准率分别为93.7%和91.3%,比只采用TextCNN的平均分类精确率分别提升了0.6、1.3个百分点。

BTM功放输出实时检测模块的设计与实现

基于现场应答器传输单元故障检测需求,为实现对功放输出异常、电缆短路、电缆断路、运行正常4种不同状态的检测,在现有BTM功放单元上研发检测模块。根据传输线理论和矢量网络法,采用定向耦合器提取功放输出信号耦合电压和反射电压,经计算获得不同特征状态判定参数;获取实验室和现场不同测量条件下不同特征状态的参数分布范围,采用阻抗作为判定参数时,因特征状态参数区间存在部分重叠,以不误报、不漏报为原则,最终选取耦合电压和反射电压作为判定参数。经过多次动态测试验证,该模块可为现场BTM设备功放输出状态的实时检测提供可靠依据,提高BTM设备故障排查自动化水平和效率。

加装金属屏蔽板抑制车载BTM天线受扰研究

针对目前车载BTM天线受到电磁干扰的问题,从电磁屏蔽的方法入手,在车载BTM天线处加装金属屏蔽板,降低对车载BTM设备产生的干扰。研究表明,在车载BTM天线位置处加装金属屏蔽板后,可达到10 dB左右的干扰抑制效果,与此同时,对BTM天线正常通信功能基本不产生影响。

牵引系统引发BTM天线受扰的预测模型研究

车载BTM(Balise Transmission Module)天线是列车应答器系统的核心部件,处于车底复杂电磁环境中,易受到电磁干扰影响列车正常运行。近期出现的车载应答器受扰问题多是由于牵引系统引发的干扰信号耦合到BTM天线中导致的,针对牵引系统引发BTM天线受扰问题,开展列车车载BTM天线受扰的干扰预测模型研究。首先,通过分析城轨列车牵引系统干扰源产生机理及完整的干扰传递路径,搭建车载BTM天线受扰的全链路电磁干扰预测仿真模型;其次,将仿真获取的干扰电压传递函数与现场测得的变流器整流侧共模电流在频域进行叠加,得到车载BTM天线干扰预测电压;最后,将仿真结果与测试结果进行对比,验证干扰预测模型的准确性。研究表明,通过仿真获取的干扰预测电压与现车实测结果在2~6 MHz内具有一致性,覆盖车载BTM天线工作频段,可对车载BTM天线的受扰情况进行有效预测。研究成果为进一步探究干扰控制方法,提高列车运行的安全性奠定了基础。

中低速磁浮BTM设备电磁干扰分析及优化

中低速磁浮铁路电磁环境复杂,车载BTM设备极易受到电磁干扰,影响列车列控系统正常运行。以凤凰磁浮项目为依托,详细收集车载BTM调试过程中发生的故障及磁浮列车各种工况下现场电磁环境测试记录,通过对比分析,确定电磁干扰的主要来源及耦合途径,并针对电磁干扰传导途径,制定一系列抑制BTM设备电磁干扰传导的措施。测试结果表明,这些措施能够有效抑制电磁干扰在BTM设备上传导,提高BTM设备电磁环境的适应性。为解决车载BTM设备电磁干扰提供借鉴,也为后续中低速磁浮铁路的建设和运营积累经验。

金属对中低速磁浮BTM天线谐振频率影响

应答器传输系统(BaliseTransmissionModule,BTM)用于实现车-地之间的信息交互,与列车的安全运行息息相关。利用三维电磁仿真软件对磁悬浮BTM车载天线进行精细化建模,并对天线周围的金属物质对其谐振频率产生的偏移影响进行仿真分析,最后根据磁悬浮的BTM车载天线的S11参数的实际测试结果,验证仿真模型与仿真结果的有效性。相关研究为现场设备的维护和系统的后续优化研发提供参考。

动车组BTM天线灵敏度测量装置

BTM天线是动车组列控车载设备接收应答器信息的核心设备,其感应灵敏度直接影响行车安全。针对目前检修维护时存在测量精度低、安全性差、劳动效率不高等问题,研发了一款以STM32F407单片机为主控芯片的BTM天线灵敏度测量装置,将激光测距传感器测量的距离数据通过远距离无线电LORA进行传输,并开发了适用于Android、Windows等平台的上位机软件,能够满足作业人员在不同场景下获取数据的需要。该装置实现了BTM天线灵敏度的远程高精度测量,可以有效保障作业安全,提高作业效率。

某地铁车辆辅助逆变器与信号BTM天线电磁干扰分析及改进

针对地铁列车BTM天线受车辆电气设备的电磁干扰,影响车地无线定位信号的传输效率和质量,进而影响列车正常运行的问题,文章从干扰频率、干扰源和干扰路径等方面进行了分析,从消除干扰路径、增强BTM天线抗干扰能力、消除干扰源等方面提出了改进措施,并对改进措施进行了现场测试和分析。结果表明,在辅助逆变器箱体内的DC 1 500 V负线和箱体间增加0.5μF电容,并将接地电阻移至接地回流线靠近BTM天线处能够有效降低车辆的电磁干扰对BTM天线的影响,保证列车正常运行。上述问题的解决可为后续地铁线路的车载BTM天线电磁干扰提供有效的解决思路,并为后续同类设计方案提供参考。

基于BTM的人工智能赋能职业技能习得的伦理风险

人工智能与职业教育教学的深度融合,是助推职业教育数字化转型和智能升级的重要途径。然而,人工智能技术的跃迁式发展会对职业教育教学进行技术性反向控制,较易引发教育伦理风险。基于此,文章结合双词主题模型(Biterm Topic Model,BTM)数据挖掘和文本共线网络分析数据可视化的优势,设计了基于BTM的研究框架。依托此框架,文章开展了实验语料库搭建、运行BTM、伦理风险释义,并利用文本分析方法分析了人工智能技术应用于职业技能习得的伦理风险案例,总结出当前人工智能赋能职业技能习得过程中存在的五对伦理风险,即思维僵化与信息茧房、情感遮蔽与职业失德、资源割裂与学习浅层、角色迷航与操作僵化、工具理性与自我困厄。文章对案例数据的挖掘和解释,有助于规避和约束伦理风险。

基于BTM与改良CNSENTI双模型的弹幕主题研究

在网络视频中,弹幕作为一种新型网络舆论形式,将视频用户的实时留言和视频内容紧密结合,为研究与分析提供了丰富的数据资源。文章融合智能采集、BTM模型与改良的CNSENTI模型三种技术,采用内容分析法,对B站“考研数据结构”视频弹幕评论的变化趋势、弹幕主题的挖掘过程和弹幕主题的情感倾向进行了可视化分析。研究表明:①学习群体评论密度的分布存在显著差异。②评论以课程内容为主。③学习群体的情感倾向正面表现的更多。通过深入研究学习群体的学习偏好,能更好地了解他们的需求,并为个性化学习资源的推荐提供有效支持。另一方面,借助学习群体的反馈,有助于教师改进教学设计和提高教学水平,以此提升教学质量,能被更广大的学习群体认同和接受。

CTCS点式应答器系统中BTM接收模块设计

提出了一种CTCS点式应答器系统中BTM接收模块的设计,通过对BTM接收模块各项功能的分析,设计出相对应的模块。整个BTM接收模块完成对地面应答器信号的接收、处理、解调、存储和转发。与之对应,设计了解调前端处理模块、FSK解调模块、数字处理与存储模块和RS232\RS422接口模块来完成相应功能。通过实际电路设计实现并经过实际测试,本设计能够很好的满足BTM接收模块的各项功能和预定指标,并且能够很好的跟其他模块配合使用,具有很好的稳定性。

关于CR300BF动车组BTM天线周围谐波干扰问题的研究

BTM系统干扰问题的原因是发生故障过程中BTM系统受到外界环境、车体工况影响大,故障发生后查找困难,手段有限,无法制定有效整改措施。通过分析新造CR300BF动车组BTM系统故障现象,从排查方案、确定、处理、再总结,经过多次处理和研究,最终查明其故障原因,并制定有效应对措施,为今后同类车型列控车载设备的验收、维护、故障处理提供思路和方法。

基于BTM和加权K-Means的微博话题发现

为适应微博数据的短文本、低词频、缺乏语义表达等特殊性,提高话题发现的准确性,利于用户从大量微博数据中获取有用信息,本文提出一种基于BTM和加权K-Means方法实现微博话题发现。首先,针对微博数据稀疏性的问题,采用BTM模型对微博中的短文本进行建模,获得话题词;然后针对传统K-Means算法本身的缺陷,提出加权K-Means算法实现微博话题发现;最后实验验证本文的方法,实验结果表明,BTM和加权K-Means方法解决了微博数据高维度和稀疏性的问题,提高了热点话题发现的准确性和有效性。

融合词向量及BTM模型的问题分类方法

针对传统短文本分类算法对问题分类效果不佳的问题,提出一种融合词向量及BTM模型的问题分类方法。使用Word2vec对问题语料库进行训练得到词向量;对语料进行基于吉布斯采样的BTM主题模型构建,得到文本主题扩展向量;将文本主题扩展向量与词向量拼接得到新的问句扩展文本,利用SVM进行文本分类。实验结果表明,该方法在准确率、召回率及F值上的表现均有提高。

基于BTM图卷积网络的短文本分类方法

由于短文本长度较短,在分类时会面临数据稀疏和语义模糊等问题。提出新型图卷积网络BTM_GCN,该网络利用双项主题模型(Biterm Topic Model,BTM)在短文本数据集上训练出固定数量的文档级潜在主题,并作为一种节点嵌入到文本异构图中,再与异构图中的文档节点进行连接,最后利用图卷积网络来捕获文档、词与主题节点之间的高阶邻域信息,从而丰富文档节点的语义信息,缓解短文本语义模糊的问题。在三个英文短文本数据集上的实验结果表明,该方法相比基准模型具有较优的分类效果。

面向微博子话题检测的BTM模型研究

现今网络舆情传播速度快、影响力大,研究微博网络中舆情信息的话题检测对有关部门舆情治理以及应急处置具有重要意义.针对传统话题检测方法忽略了微博中更细粒度的子话题研究,并且检测的话题缺乏深层次的语义信息问题,本文将attention机制与BLSTM融入到BTM模型中,构建词对主题模型ATT-BLSTM-BTM.该模型通过BLSTM训练词与词之间的相互关系,同时,利用attention机制计算特征词注意力概率分布,以降低语料库中无关词汇对建模的影响,从而提高BTM模型检测子话题的精准性.实验结果显示,本文模型与传统的LDA、BTM和NTM模型相比,生成的子话题在KL值与PMI值上都有明显的提升,证明本文所提模型能够生成质量更高的子话题.

车载BTM电磁干扰分析及抑制措施研究

为提高城市轨道交通信号系统中应答器传输设备的电磁兼容性,从工作原理出发,研究分析车载应答器潜在的敏感设备、耦合路径及电磁骚扰源。以宁波地铁5号线电客车发生的多起因车载应答器传输模块受扰,导致列车停站不准、定位丢失故障为例,排查构成干扰的主要因素,并结合现场实际,通过提高设备抗扰度来抑制干扰。经长期追踪观察,未再出现因受扰导致的故障,保障了设备的正常运行。

安全软件验证确认在BTM开发中的应用

以应答器传输模块应用软件为例,介绍验证和确认人员参照EN 50128:2011标准,在整个软件开发生命周期中的各项验证和确认活动,为其他安全相关软件的验证确认活动提供参考。