融合Wikipedia分类结构及显式语义特征的短文本检索

针对网络信息空间出现的大量短文本具有长度短、信息量少、特征稀疏、语法不规则等特点,传统信息检索技术无法有效地对其进行处理的问题,本研究以语义关联度为出发点,基于当前主流的语义知识源Wikipedia来研究短文本检索技术。根据Wikipedia页面中包含的分类结构信息,提出一种显式语义特征选择及关联度计算方法。在此基础上,提出一种低维显式语义空间下的短文本检索方法,并通过实验测试验证了该方法的可行性和有效性。研究结果表明,本研究与当前基于图论的方法和基于链接的方法相比,分别在评估指标MAP上提高了6%和4. 1%,在P@30上提高了10. 4%和5. 8%,在R-Prec上提高了6. 1%和3%。

基于孔隙结构和核磁测井建立火山岩储层分类标准——以松南断陷查干花气田为例

以松南断陷查干花气田火石岭组火山岩为例,平均孔隙度、渗透率分别为4.5%和0.08×10^(-3)μm^(2),储层致密且非均质性强,需要大套储层一起试气才能达标,储层分类标准难以确定。利用物性数据、高压压汞、核磁共振等实验进行火山岩储层微观结构分析,通过多参数对比建立了微观分类标准,采用核磁测井作为衔接,从微观参数推导到宏观参数,综合建立了火山岩储层分类评价标准,其中包括微观结构的孔喉半径、排驱压力、退汞饱和度等,以及核磁测井和实验的T2谱分布、离心饱和度,还有宏观参数孔隙度、渗透率、饱和度、声波时差、岩性密度、电阻率,将储层由好到坏划分为A、B和C类,该方法可操作性强,为新钻井的测试方案以及勘探、开发水平井的“甜点”层优选提供了可靠依据。研究方法与认识对开展火山岩储层的分类研究具有一定的参考意义。

基于轻量化卷积神经网络的纬编针织物组织结构分类

为解决纬编针织物组织结构自动分类时现有方法计算量偏大的问题,基于轻量化卷积神经网络,提出了一种改进的纬编针织物组织结构分类方法。采集纬编针织物组织双面的图像,以准确判断其结构类型。在特征提取步骤中,引入了注意力机制模块,修正各个层次特征在通道域和空间域的权重。构建的双分支网络架构能并行提取织物双面的特征信息。在分类阶段,采用了串行策略来融合高维特征向量,以确定纬编针织物组织所属类别。使用准确率、宏精确率、宏召回率以及宏F_(1)评估模型的性能,并统计了参数量和计算复杂度衡量模型的资源消耗。实验结果显示,对于纬编针织物特殊的结构特点,双分支网络架构具有很好的适应性。改进后的模型增强了不同组织间的特征区分度,在受到角度旋转、尺度改变、光照条件变化等干扰下,本文方法的分类准确率可达99.51%,且保持了较小的资源消耗。

基于多维标度和聚类分析的“物质结构和性质”模块情境素材分类研究

不同类别情境素材具有不同的教学功能.在“物质结构与性质”模块教学中,合理选用情境素材能促进学生理解与辨析、逻辑与推理等能力的培养.为系统探察“物质结构与性质”模块情境素材的类别,以课程标准和人教版选择性必修2为源,通过文本研究法和问卷调查法筛选出35个情境素材.以中学化学一线教师以及某师范大学本科生、研究生为研究对象,通过系统聚类法确定情境素材的类别.研究发现,“物质结构和性质”模块情境素材分为社会生活、学术探究、科技前沿、模拟联想、科学史实、实验探索6类.研究可为学者和一线教师高效开展情境教学研究与实践提供参考.

基于多阶段分类的科研项目申请书结构功能识别

科研项目申请书蕴含丰富的科学知识,被广泛用作科技情报分析的基础数据,其中重复检测、分析挖掘等智能处理工作需要在明晰申请书结构功能的前提下展开。因此,构建一种基于多阶段分类的科研项目申请书结构功能识别模型。首先,对申请书进行预处理,识别申请书的正文内容及其包含的多模态要素,并将文本段落规范化;之后,基于BiLSTM-Attention模型,依次区分申请书中的章节标题与正文文本,基于标题识别正文文本的一级功能,进而识别申请书的细粒度结构功能。实验结果显示,所提方法的准确率与召回率分别达到93.7%和93.1%,该方法能较好支撑科研项目申请书的结构化解析,也能为其他类型学术文本的结构功能识别提供参考。

融合片内语义和片间结构特征的自监督CT图像分类方法

针对CT(Computed Tomography)图像分析存在人工标签稀缺、分类性能不佳等问题,文中提出一种融合片内语义和片间结构特征的自监督CT图像分类方法。该方法利用CT图像的层次结构特性和局部组成要素的语义特点,通过混淆切片生成算法对无标签的病灶部位图像进行处理,生成空间指数和混淆切片作为监督信息。在自监督辅助任务中利用ResNet50网络从混淆切片中同时提取与病灶部位相关的CT片内语义和片间结构特征,将学习到的特征迁移到后续医学分类任务中,使得最终模型从无标签数据中获得增益。实验结果表明,当被使用的有标签数据有限时,相比其他针对CT图像的二维模型和三维模型,所提方法的分类性能和标签利用效率更优。

豪华邮轮结构设计特点与分类设计技术

考虑到现代豪华邮轮已经由传统意义上的远洋交通工具演变为海上休闲娱乐的重要载体,设施齐全,功能多样,可以容纳更多游客的高、大、长上层建筑成为豪华邮轮最显著的特点,通过分析豪华邮轮多甲板、长上层建筑船体结构的静力及动力响应规律,总结出豪华邮轮船体平均应力水平低、高应力区域多、板薄易屈曲、振动噪声分布不均衡的整体特点,从顶层设计的角度提出分类设计技术。

增强依存结构表达的零样本跨语言事件论元角色分类

事件论元角色分类是事件抽取中的子任务,旨在为事件中的候选论元分配相应的角色。事件语料标注规则复杂、人力耗费大,在很多语言中缺少相关标注文本。零样本跨语言事件论元角色分类可以利用源语言的丰富语料建立模型,然后直接应用于标注语料匮乏的目标语言端。围绕不同语言的事件文本在依存结构上的表达共性,提出了使用BiGRU网络模块对触发词到候选论元的依存路径信息进行额外编码的方法。本文设计的编码模块能灵活地与当前主流的基于深度学习框架的事件论元角色分类模型相联合。实验结果表明,本文提出的方法能更有效地完成跨语言迁移,提高多个基准模型的分类性能。

基于节点结构的点云分类网络

点云数据的非结构化和不均匀分布给点云物体特征表示和分类任务带来极大挑战。为了提取点云物体的三维结构特征,现有方法多采用复杂的局部特征提取结构组建分层网络,导致特征提取网络复杂且主要关注点云物体的局部结构。为更好地提取不均匀分布的点云物体特征,提出采样点卷积密度自适应加权的节点结构网络(NsNet)。该卷积网络通过高斯密度对采样点自适应加权以区分采样点的密度差异,从而更好地刻画物体的整体结构;其次,通过加入球形坐标简化网络结构以降低模型复杂度。在3个公开数据集上与PointNet++和PointMLP等方法进行比较,实验结果表明:基于自适应密度加权的NsNet比PointNet++和PointMLP的总准确率(OA)分别提高了9.1和1.3个百分点;与PointMLP相比减少了4.6×10^(6)的参数量。NsNet可有效解决点云分布不均导致的边缘点信息损失问题,提高分类精度,降低模型复杂度。

基于结构-语义融合的评论文本情感分类研究

为了解决当前部分情感分析模型片面依赖文本语义特征、忽视句法结构特征的问题,提出了一种基于结构-语义融合的情感分类模型SF-TLSTM(sentiment-fusion-tree LSTM),即将句法结构信息与语义信息进行融合,全面提取文本特征。首先,将BERT(bidirectional encoder representation from transformers)模型引入TreeLSTM(tree-structured bidirectional LSTM)网络结构中;其次,利用SimCSE(simple contrastive learning of sentence embeddings)模型的自监督训练对BERT获得的向量表示进行数据增强;最后,通过节点编码的方式在构建的TreeLSTM网络上实现结构语义特征融合,并与基线模型进行多组对比分析。结果表明:在斯坦福大学发布的SST(stanford sentiment tree-bank)数据集上,SF-TLSTM模型相较于经典树形结构情感分类模型获得更高的准确率,其中在二分类任务中的准确率达到了96.79%。所提方法能够全面有效地提取评论文本的特征,增强文本的向量表示,对自然语言处理领域中的文本处理具有重要意义。

扩招背景下高职生源结构变化及分类培养创新路径研究

百万扩招以来,近几年职业院校学生数量逐年增加,教学质量和学生管理面临着各种压力和困难。特别是面对扩招后的人群,经过几年摸索,虽然各方面有所提升,但同样面临不少的困难。生源结构的变化,直接给职业教育培养体系和培养模式带来了严峻的考验。现代职业教育,要积极适应当前新形势,改革教学模式、深化产教融合,充分利用线上教学平台和课程资源,提升学生综合能力和管理水平。

蜂窝夹层结构缺陷红外热成像检测及缺陷分类

为实现GFRP/NOMEX蜂窝夹层结构常见缺陷的准确分类,基于红外热成像无损检测技术,采用卷积神经网络及迁移学习技术建立GFRP/NOMEX蜂窝夹层结构缺陷的分类模型,比较微调的VGG16、MobileNetV2、ResNet50、InceptionV3、DenseNet201模型对于缺陷的分类效果,结果表明以上模型针对GFRP/NOMEX蜂窝夹层结构蒙皮脱粘缺陷、夹层脱粘缺陷、积水缺陷、堵胶缺陷及健康区域均可实现准确的识别分类,其准确率均在94%以上。其中基于VGG16的两种迁移学习模型及ResNet50的迁移学习模型对于此数据集的分类效果优于其余几种经典模型的迁移学习网络,其准确率分别达到99.94%、99.10%、98.95%,五个类别φ值得分均高于96%,可实现缺陷区域及健康区域的有效分类。

基于双支融合与结构采样的点云分类算法

目的:利用双支融合和结构采样,提取较充分的局部特征并保留不同尺度下的全局结构信息,使得在点云分类任务中获得高精度。方法:首先,提出双支融合模块,并用之提取不同角度的局部特征,再加入融合框架剔除重复的特征,突出显著特征,使得局部特征更具有辨别力。其次,设计了结构采样单元以关注不同尺度下的全局结构信息。该单元通过对每个采样点学习,以增强采样稳定性,并平滑结构信息,从而学习点云的全局结构信息。最后,利用包含局部-全局的特征进行分类,完成点云的分类任务。结果:在ModelNet40和ScanObjectNN基准数据集中分别获得93.6%和86.6%的分类精度。结论:基于双支融合与结构采样网络模型在点云分类任务中具有先进性。

基于PSO-DBN结构的不平衡大数据分类研究

针对传统算法在分类处理不平衡大数据集时存在的精度差和效率低等问题,提出了一种基于PSO-DBN的分类算法。先采用融合渐进式的过采样模式改善大数据集的不均衡状况,并优化样本的类别与数量组合;设计了一种堆栈式的RBM结构,以当前RBM的隐含层输出项作为下一个RBM的可见层输入项,提升DBN整体数据训练能力;基于PSO仿生算法改善初始状态下DBN权值的分布状态,并优选出最佳的学习因子、惯性权重等核心参数,实现算法在全局范围内的寻优,同时提高网络模型整体的数据训练能力和收敛速度。实验结果显示,提出算法在不同的不平衡比例下分类精度均具有较为明显的优势,同时分类效率加速比值被控制在1.05以下。

基于SOLO分类评价理论的中考化学试题能力结构水平分析

2023年福建省中考化学试题践行福建省中考评价体系要求,突出对学生核心素养、必备知识、关键能力的考查,体现学科育人价值,凸显中考“立德树人,遵循课标,有利发展”的素养功能。依据SOLO分类评价理论对2023年福建省中考化学试题的能力结构水平进行研究,探查试题命制的思路与特点,以期助力化学课堂教学。研究发现,试题检测内容较全面,SOLO层次结构完整,单点结构试题占比最高,注重对学科双基的考查,体现试题的基础性,巩固“双减”成果;多点结构和关联结构试题占比较高,体现试题的综合性和发展性。

用结构化的教学内容引导学生建构知识——以高中化学“物质的分类”教学为例

探讨基于大概念进行教学内容结构化的思路与方法,提出要建立从大概念到学科基本理解、学科基本概念和学科事实的技术路径,将大概念具体化到某单元和某课时的教学内容中,才能确保大概念能够真正融入到日常的化学教学中。研究认为,基于大概念的教学内容结构化不仅是学科知识的结构化,也是学生学习认识的过程化,其结果是形成具有层级性和网络化的知识结构。以高中化学“物质的分类”为例,进行教学内容结构化的设计和应用,探索学生知识结构的形成过程,从而为新课程的教学改革提供基础性依据。

基于SOLO分类评价理论的高考化学试题能力结构水平分析及教学启示——以2023年高考全国甲卷和乙卷理综化学试题为例

2023年全国卷高考化学试题践行高考评价体系要求,突出对化学核心素养、必备知识和关键能力的考查,体现了育人价值导向,有利于促进基础教育改革和高考综合改革的发展。依据SOLO分类评价理论对2023年高考全国甲卷和乙卷化学试题的能力结构水平进行比较研究,探查试题命制特点和规律,以期优化和改进课堂教学。研究发现:试题SOLO层次结构完整,多点结构水平和关联结构水平试题占比较高,体现试题的选拔性;知识模块SOLO层级分布整体平稳,试题检测内容全面,注重对基础知识的考查,体现试题的基础性。

基于句法结构树和混合注意力网络的方面级情感分类

在目前方面级别情感分类的研究方法中,大部分是基于循环神经网络或单层注意力机制等方法,忽略了位置信息对于特定方面词情感极性的影响,并且此类方法编码语句和方面词时直接采用了拼接或者相乘的方式,导致处理长句子时可能会丢失信息以及无法捕获深层次情感特征。为了解决上述问题,该文提出了基于句法结构树和混合注意力网络的模型,其基本思想是将基于句法结构树构建的位置向量作为辅助信息,并提出混合注意力网络模型来提取句子在给定方面词下的情感极性。所以该文设计了浅层和深层网络,并分别构建位置注意力机制和交互型多头注意力机制获取句子中和方面词相关的语义信息。实验结果表明:大多数情况下,该模型在SemEval 2014公开数据集中的Restaurant和Laptop以及ACL14 Twitter上的表现优于相关基线模型,可以有效地识别不同方面的情感极性。

局部几何与全局结构联合感知的三维形状分类方法

针对复杂结构的三维形状分析与识别问题,提出了新颖的图卷积分类方法,建立了局部几何与全局结构联合图卷积学习机制,有效提高了三维形状数据学习的鲁棒性与稳定性。首先,通过最远点采样与最近邻方法构造局部图,并建立动态卷积算子,有效提取局部几何特征;同时,基于特征域采样构造全局的特征谱图,通过卷积算子获得全局结构信息。进而,构建加权的联合图卷积学习网络模型,引入注意力机制,实现自适应的特征融合。最终,在联合优化目标函数约束下,有效提高特征学习的性能。实验结果表明,融合局部几何与全局结构的联合图卷积网络学习机制,有效提高了深度特征的表示能力及区分性,具有更优秀的识别力和分类性能。该研究方法可应用于大规模三维场景识别、三维重建以及数据压缩,在机器人、产品数字化分析、智能导航、虚拟现实等领域具有着重要的工程意义与广泛的应用前景。

经管类文献综述写作的“新概念-立体结构”法

文献综述是经管类学术论文的重要组成部分。如何才能写出高质量的文献综述是非常值得关注的问题。概括相关的研究,一般遵循文献综述写作的平面分类模式,其抓住了对文献进行分类的要求,但也存在分类评价标准、研究内容、表达形式三方面不足。为了弥补不足,提出了文献综述写作的“新概念-立体结构”法。该方法的主要特征是:(1)指出清晰明确的文献分类评价标准,即文献内容的组间差异极大化、组内差异极小化标准;(2)鼓励不断利用抽象、归纳、概括能力,形成具有导向意义的新概念;(3)要求建构不同概念之间的多层级空间立体结构,形成抽象等级不同的、纵向的、整体性的观点脉络。“新概念-立体结构”方法既能从整体上解决文献综述的写作问题,也能为创新性研究提供更加可靠的基础。