基于知识网络特征的产业关键共性技术识别模型与实证研究——以新一代信息技术产业为例

[目的/意义]构建产业关键共性技术识别模型并进行实证研究,为产业技术创新布局提供参考。[方法/过程]从技术领域和技术主题两个层面,探索知识网络特征与产业关键共性技术特征的关系:将技术领域共现网络中具有相似性质的节点集合作为产业共性技术领域;根据网络中节点的结构位置,计算技术主题特征指标,最终筛选出产业关键共性技术。[局限]该模型未考虑不同国家或地区之间技术竞争与布局的差异,后续研究将进一步探讨。[结果/结论]本文以新一信息技术产业为例,识别出8个共性技术领域和20个技术主题。本文研究模型从专利文献内容和技术发展规律两个方面综合考量,确保了模型及其结果的科学性、合理性和可靠性。

基于知识图谱的中性几何模型装配特征语义重建方法

现有企业的产品模型主要以中性几何模型文件格式储存。由于中性几何模型是以点、线、面等几何语义形式来储存信息,在实际装配过程中,中性几何模型不具有装配特征语义,不能够为装配环节提供指导作用。针对这一问题,首先提出了基于知识图谱的中性几何语义模型KG-NGSM,规范化地表示中性几何模型中的几何语义;提出一种面向中性几何模型的几何语义抽取方法,抽取几何语义元素并映射为数据层中的实体;基于知识图谱与图匹配网络进行相似度计算,从而实现中性几何模型装配特征语义的重建;最后,以某企业风力发电机产品为例,研发了装配特征语义构建系统并进行验证,结果表明,所提方法对于风机产品的实际装配操作环节具有一定指导作用。

融合局部特征的多知识库常识问答模型

当前的多知识库融合常识推理模型的输入和特征组合的方式过于简单,导致模型丢失了一些与问题和答案相关的重要信息,限制了融合外部知识的常识推理模型的效果。另外,在进行常识问答的任务时,预训练语言模型输出的问题和答案表示存在的向量各向异性问题没有得到解决。这些问题都是导致常识问答推理性能不够高的因素。针对以上问题,提出了一种基于局部特征融合的多知识库常识问答模型,改进外部知识库和问答文本的融合方式。模型将局部的问题和答案特征融入预训练语言模型全局特征,以丰富模型的特征信息,并在预测层结合了多种维度的特征进行预测;模型对于待匹配的问题和答案句子表示进行了白化处理,然后执行匹配任务。通过白化操作,模型增强了句子表示的各向同性,提升了句子向量的表征能力;还探索了不同预训练编码器(如:ALBERT、ELECTRA)在模型上的效果,以加强对知识文本的特征抽取能力,并证明了模型的稳定性。实验结果证明,在相同BERT-base编码器的实验下,模型的准确率达到78.6%,相较于基线模型,准确率提升了3.5个百分点;在ELECTRA-base编码器的实验下,模型的准确率达到80.1%。

基于多行为特征嵌入记忆网络的知识追踪模型

【目的】为了充分利用交互记录中的学习和遗忘特征,提出了一种基于多行为特征嵌入记忆网络的知识追踪模型(MFKT).该模型考虑了学习过程中的学习和遗忘两种行为。【方法】首先,从交互记录中提取学习和遗忘两大特征,然后将提取到的学习特征通过标量交叉方式嵌入记忆网络,同时将遗忘特征通过向量组合的方式嵌入,用于增强其对于学生答题序列的学习能力。此外,还考虑到了不同学生回答完成后的知识增长差异,在原先记忆网络的基础上增加了一个知识增长层,用于计算学生答题得到的知识增长。【结果】通过在公开数据集上的实验表明,MFKT更加符合学生的真实学习规律,能够实现对学生知识状态更加精准的追踪。

DKVMN-PLC:一种融合学习者个性化学习特征的动态键值记忆网络知识追踪模型

动态键值记忆网络知识追踪作为知识追踪领域的代表性模型,通过引用注意力机制提高了模型的可解释性,但未考虑异常学习行为对学生状态更新的影响,也存在添加学习特征损害模型可解释性的问题.针对以上不足,本文提出模型DKVMN-PLC(Dynamic Key-value Memory Network with Personalized Learning Characteristics).首先,基于协同过滤思想,提出一种使用整体、阶段性学习能力判断异常学习行为的方法,量化了异常学习行为对更新学习状态的影响,提高学生状态建模的准确性.其次,提出一种存储器特征与个性化特征的融合方法,使用特征工程、聚类技术将特征分别用于同步存储器和预测学生表现,提高模型使用键值对获取学生信息的准确性.将DKVMN-PLC与5个知识追踪模型在3个数据集上进行了对比实验,DKVMN-PLC模型表现均为最优.

融合习题特征信息的交叉注意力机制知识追踪模型

对学习者的知识掌握水平进行追踪是智慧教育的重要研究方向之一。传统深度知识追踪方法的关注点主要集中在循环神经网络上,但存在缺乏可解释性、长序列依赖等问题。同时,很多方法没有考虑学习者特征信息及习题特征对实验结果的影响。针对以上问题,提出了一种融合习题特征信息的交叉注意力机制知识追踪模型。该模型结合知识点和习题特征信息得到习题特征嵌入模块,再根据学习者回答情况对注意力机制进行改进,得到双注意力机制模块。考虑到学习者实际做题情况,引入基于注意力机制的猜想失误模块。首先,将习题特征信息输入到该模型中,通过习题特征嵌入模块得到融合习题特征信息的学习者反应;然后,经过猜想失误模块的处理,可以得到学习者的真实反应;最后,通过预测模块得出学习者下一次回答正确的概率。实验结果表明,融合习题特征信息的交叉注意力机制知识追踪模型相对于传统深度知识追踪(deep knowledge tracing,DKT)模型,ROC曲线下面积(area under curve,AUC)和预测准确率(accuracy,ACC)分别提高了3.13%和3.44%,能够很好地处理长序列依赖情况,并具有更好的可解释性和预测性能。

用于加速预训练知识追踪模型的深层特征提取器

通过对知识追踪进行预训练的嵌入与微调,可以显著提高知识追踪任务的准确性,但现有的微调方法通常采用全微调的方式,即调整预训练模型的所有参数,效率较低。本文提出了一种新的高效微调方法,称为快速适配训练方法,通过提取深层特征来调整模型,以适应不同的下游任务。与全微调方法相比,快速适配训练方法在ASSIST 09和EdNet数据集上能够实现5.2倍和3.6倍的训练时间加速,并且同时提高了0.49%和0.19%的预测精度。

城市实景模型结构化线面特征重构方法

为了改善城市实景模型边缘模糊,提出了一种曲率引导的结构化线面特征重构方法。根据曲率特征将网格分割为平面、可展凹、可展凸以及不可展曲面4类,在平面分割结果内提取平面,在可展凹和可展凸分割结果内提取直线,对过度弯曲的不可展区域进行保留,最终形成包含几何特征的复合网格模型。结果表明,结合曲率信息预先设置几何特征的潜在范围,使得结构化线面特征更可靠,同时保证城市实景中复杂的树结构不被错误地提取为平面。

大模型时代:知识的生成式“涌现”

随着计算能力的提高和数据的爆炸性增长,生成式大模型逐渐成为知识生产的核心力量,并深刻改变了人类知识的生产方式。本文系统探讨了从古典学术到现代信息科技的知识生产历程,将传统知识生产方式归纳为个体的知识涌现。与之相对应的大模型时代,知识生产方式则可称为生成式的知识涌现,从而造就了新的知识高原。大模型时代生成式知识涌现的机理,表现为知识结构和生成逻辑两方面的转变。虽然生成式大模型在文本生成、数据分析等领域设立了一种难以超越的“基线”,但人类在创造、批判思考和情感判断上的独特能力仍然不可或缺。结合人机协同的哲学和技术探索,本文为未来知识生产的新时代提供了一个全面而深入的视角,并在此基础上勾画人机协同共创知识高峰的路径。

考虑PWM波形特征的纳米晶磁心损耗模型的研究及验证

磁心损耗精确预测对于电力电子变压器的优化设计至关重要。然而,传统的磁心损耗模型在复杂激励下适用性较差,尤其对于占空比可调、高次谐波含量丰富的PWM波磁心损耗预测,计算精度显著下降。基于Jordan损耗分离模型,建立了一种考虑PWM波形特征的磁心损耗计算方法。首先,该方法根据激励波形特征,推导出相应的波形系数及等效频率来计算PWM波激励下的动态涡流损耗,将Jordan模型的适用范围从正弦拓展到PWM波激励下的磁心损耗计算;然后,分析了不同占空比激励下激励波形有效频率及高次谐波含量变化对损耗系数的影响,并对其进行数学表征,实现了整个占空比范围内磁心损耗的精确预测;最后,搭建了高频非正弦激励下软磁材料磁特性测量平台,针对1K107B纳米晶材料,测量了两种典型PWM波激励下的损耗数据。实验结果表明,所建立的磁心损耗模型具有较高的计算精度,相比于传统的Steinmetz改进公式,整体精度提高了25%。

教育学自主知识体系的本质特征和建构规律

教育学自主知识体系是教育主体自主建构的全面深入反映教育本质和规律的知识系统;是在海内外文化、不同学科知识相互影响、交融中形成的知识体系;是合目的与合规律、价值追求与思维逻辑统一的知识体系;是继承与发展、守正与创新结合形成的知识体系。这既是教育学自主知识体系的本质,也决定了它形成的规律和原则、方式、途径。

“能”与“势”:生态学与物理学交叉视角下的跨学科知识交流动力模型研究

在学科界限日益模糊、学科壁垒逐渐被打破的背景之下,通过跨学科知识交流行为获得不同学科知识来解决更加综合、复杂的学术问题成为越来越多的学者选择的研究模式。为识别推动跨学科知识交流行为发生的动力大小以及跨学科知识交流的热点方向,本文构建了生态学与物理学交叉视角下的跨学科知识交流动力模型。(1)将物理学中势能的相关概念和生态学中生态位的相关概念移植至跨学科知识交流领域,并论证其可行性与必要性;(2)以知识主体的知识存量为基础,融合知识主体所处网络结构特征和知识主体的知识生态位宽度,计算知识主体的跨学科知识交流势能;(3)以知识主体间的跨学科知识交流势能差为基础,结合主体间的知识生态位重叠度,量化知识主体间的跨学科知识交流趋势,构建知识主体维度的跨学科知识交流动力模型;(4)以知识交流网络为研究对象,描述整个网络的跨学科知识交流行为活跃程度和网络的演化进程,构建网络维度的跨学科知识交流网络演化动力模型。最后,本文以health informatics领域下学者的跨学科知识交流网络为实证数据,对模型进行验证,并分析跨学科知识交流网络的演化进程和规律。

融合内外部特征水印的模型保护方案

针对经典模型水印技术在保护模型所有权过程中存在鲁棒性差、提取率低等问题,融合白、黑盒水印优势,提出了一种特征嵌入的模型保护方案。按照香农熵大小进行数据集样本划分的策略,将数据集样本划分为良性样本、风格迁移样本、关键密钥样本;利用风格迁移样本集对模型嵌入外部特征,将关键密钥样本标签嵌入模型内部特征;通过训练二元分类器并利用掩码梯度下降方法修改极少量参数让模型产生特定输出来综合判断模型是否被窃取。实验结果表明,所提方案用较小开销保证了水印的高保真度,在标签查询、知识蒸馏等攻击下仍具有较高稳定性,且能规避恶意检测风险。

大语言模型融合知识图谱的医学问答系统构建研究

大语言模型(LLM)具有强大的学习和推理能力,然而由于缺乏内部知识,该模型面临幻觉挑战。针对医学问答对高质量专业知识的需求,本研究提出一种大语言模型融合知识图谱的医学问答方法,并将其应用于医学科技信息知识服务平台(MedKaaS)的问答系统构建。研究表明,相比传统的知识库问答(KBQA)和新兴的基于生成式大语言模型的问答,本文所提出的大语言模型融合知识图谱的方法充分综合了二者的优势,并为医学问答提供了证据溯源支持,有效提升了医学智能问答质量和医学知识服务效果。

基于Bayes时空模型分析HIV/AIDS晚发现的时空分布特征及其影响因素

【目的】旨在分析兰州市HIV/AIDS晚发现的时空聚集性特征及相关影响因素,明确兰州市HIV/AIDS晚发现高风险地区和时间趋势,为兰州市因地制宜地制定HIV/AIDS防治策略措施提供参考依据。【方法】选择兰州市2011-2018年间新报告的成年HIV/AIDS病例作为研究对象,研究中所需的数据资料来自兰州市疾病预防控制中心和兰州市统计年鉴。采用Bayes时空模型分析HIV/AIDS晚发现相对风险(RR)的时空分布特征及其影响因素。【结果】2011-2018年间兰州市新报告的HIV/AIDS病例共计1984例,其中HIV/AIDS晚发现者有982例(49.5%),平均年龄为39.67岁,男性占90.9%。老年人和女性HIV/AIDS病例中晚发现的比例更高;城关区(51.1%)、安宁区(50.3%)和榆中县(51.9%)具有高于平均水平的HIV/AIDS晚发现比例;2011-2018年间兰州市总体的晚发现比例呈波动上升趋势。Bayes时空模型分析结果显示,兰州市HIV/AIDS晚发现风险在2011-2015年间波动变化,而在2015年后迅速上升,其RR(95%CI)从1.01(0.84,1.23)上升到1.11(0.77,1.97);红古区和三个县的晚发现风险变化趋势与兰州市的总体变化趋势相似,而城关区和七里河区的晚发现风险呈下降趋势;晚发现相对风险大于1的区县包括:永登县(RR=1.07,95%CI:0.55,1.96)、西固区(RR=1.04,95%CI:0.67,1.49)、城关区(RR=2.41,95%CI:0.85,6.16)和七里河区(RR=2.03,95%CI:1.10,3.27)。冷热点分析结果显示城关区和七里河区为热点区。影响因素分析结果显示,随着人均GDP(RR=0.65,95%CI:0.35,0.90)和HIV/AIDS病例中的男性比例(RR=0.53,95%CI:0.19,0.92)的增高,HIV/AIDS晚发现的相对风险越低;而人口密度(RR=1.35,95%CI:1.01,1.81)越大,晚发现风险越高。【结论】兰州市的HIV/AIDS晚发现风险呈上升趋势,并且存在明显的地区差异特征;人均GDP、HIV/AIDS中男性比例和人口密度是HIV/AIDS晚发现的影响因素。因此,对于晚发现风险高和存在相关风险因素的区县,应重视并制定有针对性的HIV筛查和防治服务,降低HIV/AIDS晚发现比例和风险。

基于大语言模型的水工程调度知识图谱的构建与应用

随着水利事业的发展和信息化需求的增加,处理和表示海量水利数据变得复杂而繁琐。特别是调度文本数据通常以自然语言的形式存在,缺乏明确的结构和规范,并且处理和应用这些多样性的数据需要具备广泛的领域知识和专业背景。为此,提出了基于大语言模型的水工程调度知识图谱的构建方法。通过数据层的调度规则数据收集与预处理,再利用大语言模型挖掘和抽取数据中蕴藏的知识,完成概念层本体构建和实例层“三步法”提示策略抽取。在数据层、概念层、实例层的相互作用下,实现了规则文本的高性能抽取,完成了数据集和知识图谱的构建。实验结果表明,大语言模型抽取方法F1值达到85.5%,且通过消融实验验证了模型各模块的有效性和合理性。构建的水工程调度知识图谱整合了分散的水利规则信息,有效处理非结构化文本数据,并提供可视化查询和功能追溯功能。这有助于领域从业人员判断来水情况并选择适当的调度方案,为水利决策和智能推荐等提供了重要支持。

基于视觉的草莓品质特征提取与评价模型

为提高草莓分选效率、增加草莓品质评价方法的数据区分度,提出一种基于视觉的草莓品质评价模型。以行业标准的草莓品质传统评价方法为基础,通过图像处理方法提取草莓颜色、尺寸和形状,从而对草莓的成熟度、缺陷、质量和形状特征进行量化,实现对草莓的等级评价和规格评价。进一步采用熵权法,引入权重因子,建立草莓品质综合评价模型,实现对草莓品质的自动分级。设计草莓品质分选装置,验证该模型的有效性。测试结果表明,草莓等级和规格自动分级准确率分别达96.7%和98.4%,品质综合分级准确率达到96.3%,草莓分选成功率达到95.3%,每幅草莓图像品质分级平均耗时37 ms,每颗草莓分选平均耗时0.87 s。研究为基于机械手的草莓自动分选提供参考。

数据与知识驱动的零件特征工艺决策方法

在零件的工艺设计阶段,加工工艺方案的生成强依赖于设计人员选择和应用的工艺知识.而由于实际的生产环境与设计人员选择工艺知识存在着诸多偏差,加工方案与实际的工艺过程不匹配成为当前零件制造领域关注的难题.为解决上述问题,本文提出了一种数据与知识双驱动的零件特征工艺决策方法.本方法使用基于注意力机制的MLP深度学习算法,从结构化工艺数据中挖掘工艺知识,关联零件特征与特征工艺标签.将其经过数据加工后,用于训练神经网络模型.经过验证,该方法能够以零件特征的工艺数据为输入,输出其对应的特征工艺标签的概率分布,为零件工艺方案的选择提供决策支持.

一种基于目标与背景特征分离模型的高光谱目标检测修正算法

高光谱图像立方体数据可以提供成像场景中地物在可见光和近红外波长范围内的空间信息和地物属性诊断的光谱特征信息,在目标检测与识别方面拥有得天独厚的天然优势。然而,基于高光谱图像数据的目标检测也存在一定缺陷,如经典的高光谱目标检测算法仅利用光谱维度信息检测目标,检测模型要么对背景高维特征矩阵构建的准确度不足,要么对背景先验光谱特征的完备性要求较高,导致算法对不同复杂度的检测场景适应性不强。因此,基于计算复杂度较低、参数需求量较少且检测性能较为优异的经典多目标检测算法—多目标约束能量最小化(MCEM),提出了一种基于目标与背景环境特征分离模型的高光谱目标检测修正算法(R-MCEM)。首先,设计了一个与目标形状、尺寸相近的逐像元移动运算窗口,依次计算窗口中的每个像元与窗口内其他像元的光谱距离之和D1,像元与各类目标的光谱距离之和D2。其次,采用获得D1/D2最小值的像元替换窗口内的所有像元值。然后,自左向右、自上而下逐像元移动窗口,重复窗口内每一个像元与目标、背景像元的光谱距离运算,并确定窗口内与背景相似度最高、与目标相似度最低的像元。直到移动运算窗口遍历整个高光谱图像,大幅提升了基于目标与背景环境特征分离的背景高维特征矩阵准确度。分别设计了基于实测高光谱图像数据和模拟图像数据的修正检测算法性能验证试验,并采用三维操作特征曲线(3D ROC)结合目标与背景分离度(SDBT)开展修正算法的检测精度评估。试验结果表明,提出的修正算法有效减少了虚警率,提高了检测精度。基于实测数据的检测精度、目标与背景分离度由MCEM算法的0.937 7、 0.57提升到R-MCEM的0.993 5、 0.67,基于模拟数据的亚像元检测能力由MCEM的20%丰度提升到R-MCEM的15%丰度。

基于香农熵代表性特征和投票机制的三维模型分类

目前基于视图的3维模型分类方法存在单视图视觉信息不充分、多视图信息冗余的问题,且同等对待所有视图会忽略不同投影视角之间的差异性。针对上述问题,该文提出一种基于香农熵代表性特征和投票机制的3维模型分类方法。首先,通过在3维模型周围均匀设置多个视角组来获取表征模型的多组视图集。为了有效提取视图深层特征,在特征提取网络中引入通道注意力机制;然后,针对Softmax函数输出的视图判别性特征,使用香农熵来选择代表性特征,从而避免多视图特征冗余;最后,基于多个视角组的代表性特征利用投票机制来完成3维模型分类。实验表明:该方法在3维模型数据集ModelNet10上的分类准确率达到96.48%,分类性能突出。