融合深度学习模型和上下文特征的健康话题短文本分类

公众社交媒体中,健康话题短文本存在特征维度稀疏、语义模糊、数据规模大等特点,导致其文本特征难以提取。对此,提出一种融合ERNIE和Bi-LSTM的融合模型ERNIE-Bi-LSTM,通过渐进式学习方法和双向注意力机制,提升健康话题短文本的分类效果。以微博、知乎、今日头条等7个社交媒体的热榜数据为实验对象,使用ERNIE模型完成预训练,利用BiLSTM双向注意力机制提取短文本词向量的特征,最终将获取的特征向量进行融合,并通过全连接层和Softmax分类器,获得短文本分类结果。实验结果表明,在真实社交媒体健康话题数据中,ERNIE-Bi-LSTM较ERNIE、Bert等4种文本分类模型具有较好的分类准确性,有效解决了健康话题短文本的分类问题。

基于热点位置分类的电流互感器发热故障判别方法

针对变电设备故障发热特征选择、提取和故障类型判别问题,提出一种基于热点位置分类的电流互感器发热故障判别方法。首先运用CNN神经网络和YOLO融合算法完成电流互感器零部件检测为基础,建立二维坐标参考基准;然后采用PCNN分层聚类迭代方法分割出故障区域,并利用灰度质心法获取故障区域的热点等效中心;最后选择并提取热点等效中心到坐标原点的距离、角度等参数,应用这些参数判别热点位置的故障类别属性,从而实现电流互感器故障类型判别。结果表明,该判别方法准确率高达92%,具有较好的实用性和推广性。

基于知识脉络分析的国际疾病分类领域研究热点

本文选择国际疾病分类ICD-9、ICD-10、ICD-11作为研究对象，选择关键词（知识点）和主题进行检索，利用万方数据库知识脉络分析法探讨国际疾病分类（ICD）领域的研究热点，分析未来病案研究领域方向和发展趋势，为研究国际疾病分类领域研究热点的确定提供依据。

基于本体的机场安全热点特征分析方法

针对民用机场热点特征识别与分类需求,在Protégé中构建机场热点的顶层概念框架并描述逻辑(DLs)表达,引入对机场安全热点在不同层面形式化的描述,建立机场安全热点领域本体,以Fa CT++推理机将热点按不同特征分类推理。该方法的意义在于为机场热点特征识别信息化和热点分类协同工作的全过程提供了一定的语义支撑,管制员可以直观、全面地掌握热点区域状况。

热点研究进展

介绍了热点的定义和基本特征并对关于热点研究需进一步探讨的问题进行了讨论。热点是地幔中长期和相对固定的热异常,它向海岛和大陆内部提供富集各种微量元素的岩浆,是地幔柱在地球表面的反映,主要以高热流、正重力异常、高地形隆起、剧烈火山活动为标志。热点在地球表面的分布是不均匀的,主要分布在南、北两个半球30°N^50°S的区域。关于地球上的热点个数,目前比较公认的观点是约有40~50个。最新的研究结果认为,根据热点的起源可以将全球热点大致分为两类,即传统意义上的热点(Classic hotspots)和构造成因的浅部热点(Notspots)。