融合目标词上下文序列与结构信息的框架识别方法

框架识别是框架语义角色标注的重要前提,该任务是为给定句子中的目标词寻找一个可激活的框架。框架识别通常看作是针对目标词的分类问题,一般采用序列建模的方式学习融合上下文的目标词表示。该方式忽略了目标词所在上下文的结构信息,且在建模时未考虑不同词性目标词在句法和语义结构上的差异。针对这些不足,该文提出了一种融合目标词上下文序列与结构信息的框架识别方法,该方法使用BERT和GCN分别对不同词性目标词的上下文信息和融合PropBank语义角色或依存句法结构信息的目标词进行建模,然后得到融合序列和结构信息的目标词表示。另外,该文分析了不同词性目标词依存信息的结构差异,采用一种集成学习方法克服了单一模型在此方面的不足。最后,在FN1.7和CFN数据集上的实验结果表明,融合目标词上下文序列与结构信息的框架识别方法在性能上优于当前最好模型。

融合全局和局部注意力机制的自然语言框架识别方法

框架识别是框架语义学研究中进行浅层语义分析的核心任务,要求根据句子中目标词的上下文语义场景从给定的框架库中选择最相符的框架。现有的识别方法只考虑了句子的全局特征,忽略了目标词周围的局部信息,基于此,提出一种融合全局和局部注意力机制的框架识别方法。通过BERT预训练模型生成输入文本的向量表示;利用全局注意力机制和局部注意力机制分别对上下文与目标词周边信息进行编码;融合全局和局部信息编码进行框架选择。实验结果表明,该方法在FrameNet和CFN数据集上分别取得了88.39%和74.90%的准确率,优于多个基线模型,且对中英文数据具有较好的适应性。

基于DNN的汉语框架识别研究

框架识别是语义角色标注的基本任务,它是根据目标词激起的语义场景,为其分配一个合适的语义框架。目前框架识别的研究主要是基于统计机器学习方法,把它看作多分类问题,框架识别的性能主要依赖于人工选择的特征。然而,人工选择特征的有效性和完备性无法保证。深度神经网络自动学习特征的能力,为我们提供了新思路。该文探索了利用深度神经网络自动学习目标词上下文特征,建立了一种新的通用的框架识别模型,在汉语框架网和《人民日报》2003年3月新闻语料上分别取得了79.64%和78.58%的准确率,实验证明该模型具有较好的泛化能力。

服务于内容侧面发现的框架识别

文本内容通常包含多个侧面,全面地识别这些内容侧面对自然语言处理有重要地意义。传统的统计方法使用简单特征难以识别出所有的内容侧面。以自动摘要为例,传统的抽取式方法多以词频为主要特征,一些重要的句子常因重复度不高被舍弃。要想全面地覆盖原始文本的重要信息,就要识别出文本描述的内容侧面。该文以框架语义学为指导,使用FrameNet语料库作为知识库,综合多种特征来标注文本描述的框架,在此基础上识别文本所包含的内容侧面。该方法在新闻语料上取得了较好地结果,达到了61%的正确率。

基于专利文献的颠覆性技术识别框架研究——以绿氢行业为例

新一轮科技革命背景下,全球颠覆性技术创新方兴未艾,各国政府、产业界和学术界也积极寻求有效识别颠覆性技术的方法和路径。专利作为传递技术信息最有效的媒介,在识别颠覆性技术方面发挥着重要作用。本文依托专利文献,结合颠覆性技术的特点,首先从技术突破的角度,筛选出潜在的颠覆性技术清单;然后从技术新创性、技术扩散性和技术影响力三个维度构建技术颠覆性程度的测度体系,并运用层次分析法赋权,提出一套系统的颠覆性技术识别框架,用于从某个特定产业中识别技术颠覆性程度。本文选取绿氢行业对该模型开展了实证研究,并结合颠覆性技术识别框架对绿氢行业的技术进行分析,发现该行业中“太阳能制氢-供电”“生物制氢”“汽车应用”等是颠覆性潜力较高的领域。通过对初筛技术主题的相关调研,验证了该方法对潜在颠覆性技术的前瞻性预测有效。

基于专利信息的竞争对手识别框架构建与实证研究

[目的/意义]丰富新形势下竞争情报战略中的竞争对手识别方法,为企业在复杂多变的市场竞争环境中制定技术竞争战略提供决策支撑。[方法/过程]文章以专利作为数据源,构建一套竞争对手识别框架,并进行实证研究。首先,基于LDA模型识别目标企业自身主要技术研发方向,并确定候选对手企业集合;其次,构建基于技术与市场相似性的二维战略坐标,将目标企业候选对手组合划分为直接、间接、潜在竞争对手;最后,引入基于专利组合分析的专利强度指标,测度目标企业同对手企业间的技术竞争差距,研判相对竞争局势。文章以智能网联汽车领域的阿波罗智联(北京)科技有限公司为目标企业展开实证。[结果/结论]基于本文所构建的竞争对手识别框架,共识别出该公司竞争对手5个,囊括3种类型。同时,实现了在各主要技术研发方向下,对目标企业与竞争对手间相对竞争局势的分析。实证结果表明,文章所构建的框架充分考虑了企业自身技术资源禀赋、与竞争对手间的差距,能够精准满足企业识别竞争对手的诉求,具有较好应用前景。

可识别性框架下的汉语话题指称特征考察

从指称的可识别性框架出发,对汉语话题具有有定、无定、非定等指称特征事实进行统一考察。研究发现:1.汉语句法话题的必要指称特征表现为可识别性框架中的定指活跃状态。2.学界所讨论的无定、无指、非指称等非有定话题并非句法话题,而是语篇中经过文本回指、对比关联、定指回指等激活过程而形成的定指话题。3.非有定话题的允准不仅需要对话题所指进行修饰锚定,还需要对述题的谓语类型进行阶段性的锚定。就认知语用而言,话题的指称特征包括两个方面的内容:话题所指的指称特征层次变化、话题所指的语用可及性差异,本质上是话题所指与述题信息之间的动态可识别性关系。

基于轻量型卷积神经网络的语音情感识别方法研究

为提高语音情感识别方法的准确率,研究基于轻量型卷积神经网络的语音情感识别方法。首先分析语音情感识别的理论框架,其次分析时间卷积网络(Temporal Convolutional Network,TCN)的基本结构及具体原理,最后采用数据集进行实验。实验结果表明,基于TCN的语音情感识别方法在不同实验中具有较好的性能和有效性。

基于专利挖掘的突破性创新识别框架研究

从理论突破、性能飞跃、应用拓展3个层面将突破性创新的外延界定为原始型创新、跃迁型创新、跨界型创新。综合运用多种专利挖掘方法,分3个层次构建了突破性创新的识别框架:基于专利NPC分析识别原始型创新、基于专利文本挖掘识别跃迁型创新、基于IPC挖掘识别跨界型创新。最后,利用专利数据,对无线网络领域的跨界型创新进行实证分析,并对典型案例加以解读。

不完备识别框架下的证据组合方法

证据理论应用中经常面临识别框架不完备问题。本文引入证据框架概念,把识别框架分为已知和未知两个部分,提出一种在识别框架不完备条件下表示和组合证据的开放识别框架方法。该方法能明确区分“识别框架不完备”与“证据冲突”两个不同概念,并合理解决了对未知命题集合的基本概率赋值问题,从而克服了D-S理论以及Smets的“开放世界假设”方法在处理不完备识别框架时存在的不足。

基于专利分析的共性技术识别研究框架

目前利用专利信息分析进行共性技术识别的方法较少,且建立的指标较单一,基本均是着重测度共性技术对其他技术领域的影响,还缺少较完整的识别方法体系。鉴于这种现状,在详细梳理共性技术定义及特征的基础上,初步构建了基于专利分析识别共性技术的"双层次—多维度"研究框架,从"技术影响范围层面"与"技术研究阶段层面"两个层面,技术"基础性""外部性""集成性""超前性"4个维度逐步识别出共性技术,为政府及产业界遴选共性技术提供新的方法和思路。

一种基于非封闭识别框架的改进证据推理方法

在证据融合推理时,由于系统中出现未知新命题和传感器收集的证据不可靠,使得Dempster组合规则不适用于冲突证据组合。为了有效地处理冲突证据,提出一种基于非封闭识别框架的改进证据推理方法。首先在封闭识别框架内增加一个表示新命题的集合,将封闭识别框架扩展为非封闭识别框架,给出新命题基本概率指派的赋值方法,然后给出非封闭识别框架下焦元的组合规则。在非封闭识别框架下,依据冲突焦元本身基本概率指派以及证据的可信度信息,将局部冲突在涉及冲突的焦元之间分配,最后通过实例结果表明,与封闭识别框架下的Dempster组合规则结果相比,该方法可以有效识别出新命题。非封闭识别框架下的改进证据推理方法,可以通过在非封闭识别框架下,对新命题与已知证据及已知证据之间的两类冲突信息在局部分配,使最终证据推理结果向合理方向聚焦。

一种求解D-S诊断识别框架方法

利用D—S证据理论进行故障诊断时，首先需准确地确定出诊断识别框架，这是D—S故障诊断的先决条件。在导弹武器等复杂系统中，存在着故障原因与故障征兆之间关联关系不确定的现象，增加了求取诊断识别框架的困难。为此，提出了一种求取复杂系统的D—S诊断识别框架方法。首先，基于基本诊断模型，给出了诊断贝叶斯网络模型，以及求解诊断贝叶斯网络模型的方法；然后，给出了征兆集合等概念以及求解故障识别框架的方法；最后，通过示例验证了方法的正确性。

D-S理论在开放识别框架下的推广

针对无法获取完备识别框架的应用背景,把证据模型建立在一个随着证据组合而不断完善的开放识别框架上,提出一种推广的Dempster-Shafer(D-S)证据理论——开放框架D-S理论(OFDST).基于DFDST定义证据的支持函数与反对函数,对证据的信任函数模型进行全新诠释,揭示Dempster组合规则的线性实质.最后通过一个实例验证了该理论的合理性与有效性.

基于广义贝叶斯网的图像模式识别框架研究

为增强机器自适应筛选能力和减少人工干预并最终实现机器自动认知的目标,通过对贝叶斯网的改进,提出了广义贝叶斯网。在其基础上结合图像模式识别理论,定义了图像知识的集合运算、新知识加入等运算以及基于广义贝叶斯网的图像模式识别框架的知识映射变换、表达、存储的统一的抽象结构。在理论上找到了一种图像模式识别框架中知识表达的统一方法,而且对提高图像模式识别过程的机器参与度具有实际的指导意义。

一种开放识别框架下的证据合成方法

证据理论可以有效地处理不确定信息,在数据融合、人工智能等领域得到了广泛应用。针对证据理论中的开放识别框架,提出了一种新的证据合成方法,首先对质量函数求平均,再分别进行归一化,最后用合成规则组合证据。该方法可以有效解决开放识别框架下冲突证据的合成问题,并且保留了经典合成规则的交换性和结合性。

国防生物领域颠覆性技术动态识别框架构建研究

国防生物技术发展迅猛,是孕育未来重大军事变革的重要技术领域之一。本文从国防生物领域颠覆性技术概念辨析入手,通过在技术属性、应用角度、应用效果三个维度结构了其特征要素,类比物种入侵模型,引入技术成熟度、进入时间、颠覆时间等特征维度,进而构建了一种国防生物科技领域颠覆性技术的动态识别框架,并基于该框架初步进行了技术识别。

特色村镇空间基因识别及机制解析——以湘西山地苗族村镇为例

受自然地理环境与民族文化特色的双重影响,湘西山地苗族地区的特色村镇在与山水环境、地域文化的适应过程中逐渐呈现出山水相依、紧凑立体及民族特色突出的空间形态,其背后反映的是空间与自然、空间与人文的良性互动逻辑。本文通过引入“空间基因”概念,构建了“宏观地景—中观聚落—微观建筑”三大层次的空间基因识别分析框架,归纳总结湘西山地苗族地区特色村镇的空间基因特征,并探讨空间基因的生成机制,是空间基因理论指导下的有力实践,旨在保护传统地域文化的多样性,并为特色村镇的“在地性”保护与传承提供科学依据。

风险识别框架下预见性护理干预在四肢骨折多发伤术后患者中的应用价值

目的 探讨风险识别框架下预见性护理干预对四肢骨折多发伤术后患者的影响。方法 选取河南省人民医院2021年3月至2021年11月就诊的111例四肢骨折多发伤患者,根据入院顺序分为研究组(N=56)和常规组(N=55)。常规组给予常规护理干预,研究组在常规组基础上联合风险识别框架下预见性护理干预,比较两组焦虑抑郁情绪[焦虑自评量表(SAS)、抑郁自评量表(SDS)]、疼痛程度[视觉模拟量表(VAS)]、肢体功能[Oswestry功能障碍指数(ODI)]、生活质量[生活质量综合评定问卷-74(GQOL-74)]、并发症情况。结果 干预后研究组SAS、SDS、ODI评分较常规组低,GQOL-74评分较常规组高,差异有统计学意义(P <0.05);出院当天、干预后VAS评分组间比较,研究组均低于常规组,差异有统计学意义(P <0.05);研究组并发症发生率(1.79%)低于常规组(12.73%),差异有统计学意义(P <0.05)。结论 风险识别框架下预见性护理干预可改善患者负性情绪及肢体障碍,减轻四肢骨折多发伤患者术后疼痛感,从而进一步提高患者生活质量,降低并发症发生率。

内控缺陷识别框架的初探

作为萨班斯法案(SOX)最为重要的条款之一,404条款明确规定了管理层应承担设立和维持一个应有的内部控制结构的职责。在企业内部控制缺陷信息的识别及评价方面,美国公众公司会计监管委员会(PCAOB)在其发布的第2号审计准则(AS2)中提出的规则导向与详细评价为其提供了重要的框架参考。本文参照国资委拟定的《财务内部控制评价》中的缺陷认定步骤以及AICPA(2004)发布的《控制例外和缺陷的评价框架》,总结内控缺陷识别的评价标准,拟完成一套普适性的缺陷识别框架,为完善企业内部控制体系做出贡献。