语音隐喻视角下的“粉丝名”命名模型——基于“快乐男声”和“快乐女声”选手“粉丝”名封闭语料的认知研究

作为隐喻的一种特殊形态,语音隐喻以其直观和直接的特点,被广泛用于口语和文本中,成为社会流行语的构成之一。本研究收集整理了65个选秀比赛"快乐女声"和"快乐男声"选手"粉丝"名形成封闭语料,从语音隐喻层面分析选秀比赛中所出现的"粉丝"名称这一类社会流行语的产生机制,结合范畴理论在语音隐喻视角下提出"粉丝名"命名模型,以期更好地研究语音隐喻和隐喻的在语音、思维中的重要决定作用。

LDAP基本模型在数据持久层中的应用

数据存储是大多数应用软件开发的基本环节之一。结合LDAP协议中提出的基本模型,提出了一种新的数据持久层实现。通过这个数据持久层,数据将作为一个信息节点存储到目录中。对比传统的数据持久层,他对数据的组织更加清晰,更加符合我们的认识习惯。开发者通过配置XML文件,自动实现业务实体到数据存储的转换,将持久层中的信息树存储到数据库中。总之,新的构架有助于优化数据组织,快捷开发和易于维护,将会有助于基于数据库的应用开发。

基于中文医药文本的实体识别和图谱构建

知识图谱技术促进了新药研发的进展,但国内研究起点晚且领域知识多以文本形式存储,图谱重用率低。因此,本研究基于多源异构的医药文本,设计了以Bert-wwm-ext预训练模型为基础,并融合级联思想的中文命名实体识别模型,从而减少了传统单次分类的复杂度,进一步提高了文本识别的效率。实验结果显示,该模型在自建的训练语料上的F1分数达0.903,精确率达89.2%,召回率达91.5%。同时,将模型应用于公开数据集CCKS2019上,结果显示该模型能够更好地识别中文文本中的医疗实体。最后,利用此模型构建了一个中文医药知识图谱,图谱包含13530个实体,10939个属性,以及39247个相关关系。本研究所提出的中文医药实体识别与图谱构建方法,有望助力研究者加快医药知识新发现,从而缩短新药研发进程。

由等比制粒级向图式底质分类的转换研究

为解决底质获取方法不同造成的底质样本分类命名结果的差异性,对等比制粒级分类和《中国海图图式》分类两种方法的本质进行对比研究,结合海洋底质的实际情况,总结出分类命名的前提条件,并将分类命名思想归纳为"两个环节"和"三个原则",最后引入相对占比思想,提出了等比制粒级分类向《中国海图图式》分类转换的命名模型。提出的底质分类命名模型具备底质分类转换中的可行性,其归纳的分类命名思想,可为解决多源底质数据兼容性问题和底质数据的大规模共享提供借鉴。

基于Bert的中医方剂文本命名实体识别

针对中医药领域常用命名实体识别模型存在的边界模糊和歧义性等问题,本文提出基于大规模预处理中文语言模型(Bert)的中医方剂文本命名实体识别方法。通过Bert预训练模型接受其相对应的词向量,将预处理完成的词向量输入到长短期记忆(Bi-LSTM)模块中,完成对文本上下文语义信息的捕获,最后使用条件随机场(CRF)模块解码输出得到的预测标签排序,依次检索和排序各类中医方剂文本实体,从而完成整个实体识别步骤,结果显示出Bert对中医方剂各类实体识别具有较高的适用性,中医方剂各类实体识别的准确率得到显著提升。

不同模式下的舾装生产设计探讨

在当今的大环境下，不同船厂都已建立了适合自己的造船模式，作为一个设计单位，按船厂模式完成生产设计已经成为趋势。以某国有大型船厂的1100TEU为例，对阶段划分、建模、出图的模式进行阐述，对比上海船舶研究设计院（SDARI）生产设计模式，分析两种模式的特点，对舾装生产设计模式进行探讨，以汲取两种模式的优点，更好地进行舾装生产设计。