木材气干密度与基本密度关系模型比较

木材密度包括基本密度、气干密度等,在12%含水率条件下的气干密度(D12)较常用,因此有必要将木材气干密度换算为基本密度(Db)。目前利用木材气干密度计算基本密度的模型有Reyes、Chave、Simpson和Vieilledent模型等,然而这些模型预测结果不完全一致。利用中国林业科学研究院木材工业研究所(Research Institute of Wood Industry,Chinese Academy of Forestry,CRIWI)和法国农业国际合作研究发展中心(French Agricultural Research Centre for International Development,CIRAD)的木材D12和Db数据,首先基于CRIWI的木材密度数据建立D12与Db的关系模型,然后将CRIWI和CIRAD的D12数据分别代入Reyes模型、Chave模型、Simpson模型、Vieilledent模型和新建模型,获得每个树种木材Db的预测值,并根据Db预测值和实测值计算残差绝对值均值。不同模型残差绝对值均值比较结果表明:Reyes模型在利用CRIWI和CIRAD的木材密度数据时预测Db的准确性都比较高,适用性最广;Simpson模型、新建模型在D12高于1.0 g/cm3时预测Db的准确性降低。

早龄期机制砂混凝土抗压强度与弹性模量时效关系及本构模型试验研究

为了研究早龄期机制砂混凝土在单轴受压状态下抗压强度与弹性模量的时效关系和本构模型,通过对8组不同龄期的C60机制砂混凝土试件进行立方体抗压强度试验、静力受压弹性模量试验和单轴受压应力-应变曲线试验,并参考多种已有研究模型,建立了早龄期机制砂混凝土在单轴受压状态下的抗压强度与弹性模量时效关系模型和分段式应力-应变本构模型。结果表明,采用的抗压强度与弹性模量时效关系模型和分段式应力-应变本构模型与试验数据吻合效果理想,能够较好地描述早龄期C60机制砂混凝土在单轴受压状态下的力学性能。

基于相关系数-熵-二维云模型的装配式建筑施工风险测度

装配式建筑施工过程要在多维空间中进行,叠加风险高,事故发生率高于传统现浇建筑施工,因此科学、准确地测度装配式建筑施工风险具有重要的现实意义。根据装配式建筑施工的特点,从人员、机械、环境、技术、管理5个维度建立了装配式建筑施工风险测度指标体系,并构建了相关系数-熵-二维云风险测度模型。实例应用结果表明:该测度模型较全面、客观、准确地反映了装配式建筑施工风险要素,能够有效实现装配式建筑施工过程风险的定量化测度,可为装配式建筑施工安全管理提供有力参考和依据。

基于BERT古文预训练模型的实体关系联合抽取

古汉语文本承载着丰富的历史和文化信息,对这类文本进行实体关系抽取研究并构建相关知识图谱对于文化传承具有重要作用.针对古汉语文本中存在大量生僻汉字、语义模糊和复义等问题,提出了一种基于BERT古文预训练模型的实体关系联合抽取模型(entity relation joint extraction model based on BERT-ancient-Chinese pretrained model,JEBAC).首先,通过融合BiLSTM神经网络和注意力机制的BERT古文预训练模型(BERT-ancientChinese pre-trained model integrated BiLSTM neural network and attention mechanism,BACBA),识别出句中所有的subject实体和object实体,为关系和object实体联合抽取提供依据.接下来,将subject实体的归一化编码向量与整个句子的嵌入向量相加,以更好地理解句中subject实体的语义特征;最后,结合带有subject实体特征的句子向量和object实体的提示信息,通过BACBA实现句中关系和object实体的联合抽取,从而得到句中所有的三元组信息(subject实体,关系,object实体).在中文实体关系抽取DuIE2.0数据集和CCKS 2021的文言文实体关系抽取CCLUE小样本数据集上,与现有的方法进行了性能比较.实验结果表明,该方法在抽取性能上更加有效,F1值分别可达79.2%和55.5%.

宫颈癌患者及配偶二元应对与亲密关系的主体-客体互倚模型研究

目的 本研究通过主体-客体互倚模型(APIM)分析宫颈癌患者及配偶的二元应对和夫妻亲密关系间的关系,为医护人员制订干预措施来改善宫颈癌夫妻的应对水平和亲密关系提供理论参考。方法 采取便利抽样方法抽取2021年10月至2022年6月郑州大学第一附属医院收治的197对宫颈癌夫妻作为样本,采用二元应对量表和婚姻调适测定量表进行问卷调查,并通过构建APIM模型分析宫颈癌患者及其配偶的二元应对水平与亲密关系间的关系。结果 宫颈癌患者和配偶的二元应对均能够预测自身亲密关系(β=0.49、0.45,P<0.001),即主体效应明显;客体效应结果显示配偶的二元应对水平能够预测宫颈癌患者的亲密关系(β=0.44,P=0.005)。结论 宫颈癌夫妻的二元应对水平和亲密关系之间存在部分二元交互作用。医护人员应将宫颈癌夫妻看作一个整体,开展二元应对干预策略的制定,从而达到提升亲密关系、维持婚姻稳定家庭和谐的目的。

基于实体级联类型的中文关系抽取管道模型

端到端实体关系抽取任务可以被分解成命名实体识别和关系抽取两个子任务,最近的工作多将这两个子任务联合建模。现有的流水线方法验证了在关系模型中融合实体类型信息的重要性和管道模型的潜力,但是它们忽略了文本中的某些实体可能同时具有多个类型,这种多义性的情况在中文数据集中尤为常见。为解决上述问题,提出了一种实体级联类型机制,并在此基础上开发了一个更适合中文关系抽取的管道模型,取名为CENTRELINE。该流水线方法的实体模块是一个词-词关系分类模型,它以BERT和双向LSTM作为编码器、经过条件层归一化后引入空洞卷积,最后通过级联类型预测器输出实体及其级联类型。关系模块的输入仅由实体模块构建。该方法在DuIE1.0、DuIE2.0和CMeIE-V2数据集上的F_(1)值分别比基线方法提高了7.23、6.93和8.51百分点,并在DuIE1.0和DuIE2.0数据集上都实现了最先进的性能。消融实验表明,提出的级联类型机制和根据中文语言特征改进的管道模型,均对关系抽取性能具有明显的促进作用。

基于多峰优化Kriging模型与距离相关系数的高速列车动力学参数多输出灵敏度分析

高速列车动力学参数较多,有多个动力学性能的评价指标。综合考虑这些动力学指标进行参数灵敏度分析,对高速列车动力学参数的恰当匹配具有重要意义。现有的单输出灵敏度分析技术难以准确度量参数对车辆动力学综合性能的影响。为避免这一缺陷,本文引入了一种新的基于距离相关系数的多输出灵敏度分析技术。该方法通过求解单个输入与多个输出变量之间的距离相关系数,实现多输出全局灵敏度分析的目的。为提高灵敏度分析的效率,建立了多个动力学指标与输入参数的Kriging模型;为提高近似模型的精度,引入了一种新颖的多峰优化算法对Kriging模型的超参数进行全局寻优。与传统单目标智能优化算法不同,该优化算法通过引入种群差异指标,将单目标优化问题转化为双目标优化问题,从而增加了子代种群的多样性,避免了传统优化算法易于陷入局部最优解的问题。基于所提方法,以和谐号动车组动车为例,研究了多个动力学指标的多输出全局灵敏度。结果表明:由于增强了种群多样性,所提的超参数优化方法对Kriging模型精度和稳定性提升效果明显;基于距离相关系数的灵敏度分析方法能够更加合理地识别出对车辆动力学综合性能影响较大的参数,排除几乎没有影响的参数。

人水关系学的基本方程及模型构建

人水关系是人类与自然界关系中最重要的关系之一,人水关系学是研究人水关系的一门新交叉学科,构建其基本方程和模型是深入研究人水关系的核心内容之一。基于前期研究工作和不同学科成果梳理,提出了人水系统“四大过程”(水循环过程、物质循环过程、生物过程、人文过程),总结给出了“四大过程”的基本方程及其耦合与计算方法,提出了考虑“四大过程”的分布式人水关系模型构建框架与人水关系模拟器的构建设想,并介绍了沁河流域分布式人水关系模型应用研究实例。人水系统“四大过程”是表征人水关系的重要基础,其基本方程是研究人水关系学的基础方程,由基本方程耦合构建的模型是模拟人水关系问题的重要工具,可为进一步完善人水关系学奠定基础,为深入研究人水关系模型提供思路。

基于对比学习与梯度惩罚的实体关系联合抽取模型

针对使用全局指针网络进行实体关系抽取时特征信息不明显的实体关系类型数据稀疏问题,以及数据中存在的类别不平衡和错误标注问题,提出一种基于对比学习和梯度惩罚方法并使用改进的RoBERTa预训练模型的实体关系联合抽取模型,在阿里天池中文医疗信息处理评测基准数据集CBLUE2.0上进行实验的结果表明,该模型相比全局指针网络效果更优,能更有效完成复杂数据的实体关系抽取.

平滑注意力与谱上采样细化的非等距三维点云模型对应关系计算

为了解决非等距3维点云模型对应关系计算易受模型大尺度形变影响而导致对应失真、准确率低且平滑性差的问题,该文提出一种结合平滑注意力与谱上采样细化的非等距3维点云模型对应关系计算新方法。首先,利用点所在表面的几何特征信息设计平滑注意力机制与平滑感知模块,提高特征对大尺度形变区域非刚性变换的感知能力;其次,将深度函数映射模块与平滑正则化约束相结合,提升函数映射计算结果的平滑性;最后,在谱上采样细化模块中,以多分辨率重建的方式得到最终的逐点映射结果。实验结果表明,与已有算法相比,本算法在FAUST、SCAPE和SMAL数据集上构建的对应关系测地误差最小,处理大尺度形变模型时,能够提升逐点映射的平滑性和全局准确率。

方法到思维:源于数量关系的模型建构——例谈从方法使用到思维培养的“现实化”教材理解

方法是思维形成的基础,思维的发展必然撬动方法不断得到优化。从方法到思维的教材理解,推动了从知识为本到素养培养的教学转变与课堂转型。因此,在数学方法的实践过程中,需要从儿童学习和教材编排的现实视角探寻“现实化”的思维路径,启迪学生用整体眼光、联系眼光和结构眼光审视教材内容,引领学生在计算、列式、解答等数学方法的应用、形成和比较中感悟数量之间的思维联系,从而主动建构数量关系的思维模型,促进核心素养导向的课堂教学的有力改进。

后疫情时代基于BOPPPS模型的客户关系管理课程“线上+线下”教学模式探索与实践

后疫情时代客户关系管理课程的教学将由原来的线下教学单一模式转变为“线上+线下”一体化模式,该文基于BOPPPS模型利用雨课堂和微信教学群等工具,探索了以“学生为中心”的客户关系管理课程“线上+线下”教学模式,并应用于实际课堂。首先,在课前准备的线上阶段采用引入(Bridge-in)、目标(Objective)、前测(Pre-assessment);其次,在课中授课采用参与式学习(Participatory learning);最后,通过后测(Post-assessment)和小结(Summary)环节进行课后测评。结果表明,该模式不仅加深学生对客户关系管理的理解,激发学生的学习兴趣,而且提高学生提出问题、分析问题、解决问题的能力,帮助学生培养良好的学习习惯。

服务业进出口、OFDI和全要素生产率的动态关系研究——基于VAR模型的实证分析

研究服务业贸易、投资与服务业之间的影响关系,对提升我国服务行业国际竞争力、促进其高质量发展具有重要意义。论文使用我国2000—2021年数据,构建VAR模型对服务业进出口、服务业对外直接投资(OFDI)和全要素生产率的动态交互关系进行实证分析。研究结果显示,服务业进出口对服务业对外直接投资具有正相关关系,且长期支持效果明显;服务业进出口对OFDI、全要素生产率提升具有促进作用;在短期内,全要素生产率与OFDI之间存在双向促进作用,从长期来看则存在一定负向影响。基于实证研究结论,文中提出制定政策鼓励服务企业参与国际化竞争、发挥服务业进出口对OFDI的促进效应、提升服务企业自主创新能力等相关对策建议。

教材的理解与转化:从方法使用到思维培养的双向关注——以源于数量关系的模型建构为例

方法是思维形成的基础,思维的发展必然撬动方法不断得到优化。在数学教学中,教师需要从儿童学习和教材编排的现实视角探寻有效转化的思维路径,启迪学生用整体的眼光、联系的眼光和结构的眼光审视教材内容,引领学生在计算、列式、解答等数学方法的应用、形成和比较中感悟数量之间的思维联系,从而主动建构数量关系的思维模型,促进核心素养导向的课堂教学改进。

用DUG三模型计算满射的个数和等价关系的个数

本文利用DUG三模型给出了有限集之间满射个数和有限集上等价关系个数的简洁计算公式.给出了更一般球盒分配问题的DUG三模型计算公式.

作答时间与反应依赖关系建模:基于双因子模型视角

在心理与教育测验中,测验的计算机化越来越普遍,使得被试作答的过程性数据的搜集也越来越便利。分层模型的提出为作答时间与反应的联合分析提供了一个基本的建模框架,且逐渐成为当前最流行的方法。虽然分层模型被广泛使用,但仅仅通过参数间的关系还不能很好地解释作答时间和反应之间的关系。因此,一些研究者提出了一系列改进模型,但仍然存在一些不足。基于双因子模型的新视角,文中将测验的作答时间与反应分别视为测量被试速度和能力的两个局部因子,而作答时间与反应又视为综合测量了被试的速度与准确率权衡的一般能力或全局因子。基于此,文中提出双因子分层模型,以探讨作答时间与反应的依赖关系。模拟研究发现Mplus程序能有效估计双因子分层模型的各参数,而忽视作答时间与反应依赖关系的分层模型的参数估计结果存在明显的偏差。在实例数据分析中,相较于分层模型,双因子分层模型的各模型拟合指数表现更好。此外,不同被试在不同项目上的作答时间与反应存在不同的依赖关系,从而对被试的作答准确率与时间产生不同的影响。

基于预训练模型的军事领域问答关系检测方法

为解决军事领域问答服务中用户问询语句的关系链接错误问题,提高知识库问答的准确性,提出了一种基于预训练语言模型的关系检测方法。首先,摒弃了用户问句中的实体名称信息,加入约束性本体信息,结合预训练语言模型嵌入注意力机制进行了关系检测模型研究;然后,将该关系检测方法结合军事语料应用于军事知识库问答任务中,进行了实验验证。结果表明:约束性本体信息的加入扩展了本体层级信息量与本体知识拓扑结构,对关系检测结果进行了约束,测试关系链接精准率提升了6.2%左右;预训练模型的嵌入为军事数据注入了更多背景知识,相比于未嵌入前,训练精准率提升了10%左右,说明结合知识库的信息特征,整体增强了关系检测在军事领域问答服务中的实际应用效果。

基于实体-联系模型的中医药标准关系模型构建研究

体量日趋庞大的中医药标准为制修订工作和综合管理带来严峻挑战,利用数字技术为标准赋能具有重要战略意义。本研究通过对中医药标准名称信息的深度挖掘和解读,提出基于实体-联系模型的标准间关系建模方法,构建包含7种关系模式的关系模型,并以标准检索为例展示模型的应用场景,为机器读取和使用标准、提高中医药标准检索效率、掌握目标标准相关资源、推动中医药标准数字化转型提供支撑。

基于大语言模型增强表征对齐的小样本持续关系抽取方法

关系抽取作为自然语言处理的关键任务,对于深化语言理解、构建知识图谱以及优化信息检索系统具有重要作用。然而,由于新关系不断涌现且缺乏大量标注示例,传统的监督学习方法并不适合实际场景。尽管大语言模型的出现显著提升了许多自然语言处理任务的性能,但仍然无法直接有效地解决小样本持续关系抽取任务的挑战。为了充分利用大语言模型的语义知识来缓解灾难性遗忘与过拟合问题,提出了一种基于大语言模型增强表征对齐的小样本持续关系抽取方法LAFA,通过关系实例改写、语义扩充和关系增强表征等策略,在保持数据量和计算成本较低的同时,有效提升了模型对新关系的适应性和对旧知识的保持能力。在两个关系抽取数据集FewRel、TACRED上进行实验验证,与现有方法相比,LAFA在小样本持续关系抽取任务中展现出较好的效果,尤其在增量阶段取得了最佳的实验结果。通过消融实验进一步揭示了方法中各个模块对整体性能的显著贡献。LAFA的推理效率与开销远远低于现有的基于大语言模型的方法,并且具有很强的扩展性,能够适配多种语言模型。

基于大语言模型与语义增强的文本关系抽取算法

关系抽取是一项基础且重要的任务,旨在从非结构化文本中提取出实体之间的关系。最近研究证明,大型语言模型(LLM)和基础模型相结合可以改进许多自然语言处理(NLP)任务的性能。这些模型利用深度学习和预训练模型的语言表示能力,能够自动学习关系的语义特征。有效利用大模型来解决实体重叠和信息交互差等问题仍是一个挑战。针对以上问题,提出基于大语言模型的关系抽取算法。对大型语言模型Meta AI(LLa MA)进行微调训练,使其更加适应关系抽取的任务,在提取关系的基础上,使用自注意力机制增强实体对之间关联程度,增强关系和实体之间的信息共享,接着使用平均池化泛化到整个句子中。针对实体对设计一个过滤矩阵,并引入词性信息进行语义增强,根据过滤矩阵中实体对的相关性过滤掉无效的三元组。实验结果表明,该算法在纽约时报(NYT)和Web NLG公开数据集上的F1值结果分别为93.1%、90.4%。在微调之后的LLa MA模型作为编码器的情况下,所提算法在准确率和F1值指标上均优于基线模型,验证了算法的有效性。