基于会话式机器阅读理解模型的事件抽取方法

事件抽取旨在从海量的非结构化文本中自动提取出结构化描述信息,以帮助人们快速地了解事件的最新发展动态。传统的事件抽取方法主要采用分类或者序列标注的方法,其依赖于大量的标注数据来训练模型。近年来,研究者提出了利用机器阅读理解模型来进行事件抽取的方法,通过任务转换并联合利用机器阅读理解任务中的标注数据进行训练来缓解标注数据的不足。然而现有方法局限于单轮问答,问答对之间缺少依赖关系;此外,已有方法也未充分利用句子中的实体信息等知识。针对以上不足,提出了一种会话式机器阅读理解框架用于事件抽取,针对已有方法进行了两方面的扩展:首先,通过在句子中显式地增加实体标记信息,使得模型能够有效地学习到输入句子中的实体知识;其次,设计了历史会话信息编码模块,并结合注意力机制从历史会话中筛选出重要信息,融合到阅读理解模型中以辅助推断。最后,在公开数据集上的实验结果表明所提模型相比已有方法取得了更优的结果。

会话间网络编码技术的无线网络能耗最小化

文中主要研究会话间网络编码技术的无线网络能耗最小化。生存期有限的无线网络能耗受限于该网络中节点可达的生存期。将到达相同信宿的多播流组成一个虚拟多播流,在同一个虚拟多播流内的数据流间进行网络编码。用公式表明能量最小化问题,并将其转化为一个线性规划问题。通过拉格朗日对偶将原优化问题转化为对偶问题,该对偶问题可分解为两个子问题:节点生存周期受限时的能耗最小化问题及流守恒和速率受限时的路由调度问题。可利用次梯度算法获得对偶问题的最优解。仿真结果表明,理论分析与实际计算非常吻合,基于会话间网络编码技术的无线网络能耗小于基于会话内网络编码技术的系统能耗,而基于会话内网络编码技术的系统能耗小于基于传统路由转发技术的系统能耗。

无线网络中基于网络编码的最小能量多播

在无线网络中,降低能量消耗是十分重要的问题。然而,传统的路由算法仅能近似的构建最小能量多播树,这是因为该问题在不使用网络编码的网络中是NP的。通过使用网络编码可以将该问题转化为线性或凸规划问题。文中采用编码分组网络中的Lun提出的分布式网络资源分配方法,将该算法应用到无线网格网络和随机网络中以构建最小能量多播树。仿真表明,在无线网络中,该算法所耗费的能量远低于集中式算法,且对于网络的动态变化有较好的鲁棒性。

基于Web日志挖掘的网页实时推荐算法研究

网页在线实时推荐是网络个性化服务的重要内容,基于Web日志的网页实时推荐有助于提高检索效率、缓解网络拥塞,提高网站吸引力。该算法通过将用户会话处理成数字序列以体现用户访问路径的先后顺序,利用动态矩阵和滑动窗简化了路径相似度计算;算法只扫描一遍日志,可以进一步提高实时响应速度。该算法在考虑用户访问路径的先后顺序和简化推荐机制的基础上,提出了会话编码和动态矩阵的概念,利用其在推荐中可以兼顾满意度和实时性,同时实时性不受日志增加的影响。试验结果表明,该算法在兼顾满意度的基础上可以大幅提高推荐的实时性,具有实际应用价值。