基于自然语言处理的CNAS认可准则自动对标系统

在CNAS评审过程中,人工对标不符合项与其依据条款存在着耗时耗力、对标不准确等缺点。文中针对以上问题,提出一种基于自然语言处理的多级模型自动对标方法。通过对不符合项描述的语言特点进行研究,利用注意力机制的Bi-LSTM网络对不符合项进行分类。在该分类下使用基于语料扩充和迁移学习的SimCSE网络模型计算相似的不符合项,并提取对应依据条款,有效解决了对标不准确等问题。模拟实验测试表明,所提方法的对标准确率可达74.4%,语义匹配计算时间相比DSSM模型有大幅提升,内存消耗和最高匹配速度也有明显改善。

一新型自动对标装置的分析

介绍一种采用光纤检测头实现自动对标装置的电气控制原理及状态分析。

一种基于JAVA实现的对标工作自动化平台设计

针对安庆供电公司现有对标工作管理流程欠缺系统化和自动化支撑等问题,构建了一套对标工作自动化平台,利用信息化平台将传统的线下对标管理工作实现业务的在线处理和自动流转。该平台可通过APP消息提醒、短信提醒、流程催办等工具提高业务处理时效性和信息传递的准确性,为对标管理工作提供信息平台支撑,持续提高对标管理水平。

朔黄铁路LKJ-15C卫星定位自动开车对标的优化设计研究

由于气温异常、机车设备箱密闭及机车设备长时间运行等因素,朔黄铁路频繁发生LKJ-15C开车自动对标失败的问题,使得乘务员人工开车设定工作量增大,重载货运效率降低。针对现有的问题,本文进行了机车车载硬件优化设计,解决了因运输环境恶劣及硬件设计缺陷造成LKJ-15C开车自动对标失败的问题,提升了朔黄铁路运输效率。

基于Bi-LSTM网络机制的自然语言自动化对标系统设计

针对CNAS评审现场不符合项自动化对标研究,设计一种基于Bi-LSTM网络机制的自然语言自动化对标系统,用于辅助评审员现场对不符合项对标的工作。首先,阐述了Bi-LSTM的基本原理和网络框架,并引入embedding与Attention层对其网络结构进行优化;然后引入了SimCSE无监督模式,以及采用同义词替换的方法对数据集进行增强和扩充;根据CNAS实验室评审常见不符合项构建语料库,并对其进行预处理和分词,紧接着训练数据集和评价网络模型,最后通过实验与传统的DSSM、SVM模型进行对比,实验结果表明:基于Bi-LSTM网络机制模型的训练、检索耗时为三个模型中最短,且从准确率折线图中可以看出,本研究设计的模型准确率高达85.5%,同时随着数据量的不断增加,准确率还能继续提高。因此,本研究设计的模型性能效果最佳。