基于提示学习的篇章级事件论元抽取方法研究

事件论元抽取是指在自然语言文本中识别出事件论元及其对应的角色,是事件抽取的关键。传统事件论元抽取方法将抽取范围局限在单个句子中,在面对长文本中论元分散的情况时表现不佳。近年来,有研究者提出基于提示学习的篇章级事件论元抽取方法,能根据提示信息在输入文本中获取事件论元,实现事件论元抽取。然而现有基于提示学习的方法大多是由人工手动构建提示模板,模板结构固定容易导致论元抽取错误。针对以上不足,该文在以往基于提示学习研究的基础上,提出以文本触发词为关键实现模板自动构建的方法,并在输入文本中融入事件角色语义信息,使模型能更好地捕获文本语义特征,提高事件论元抽取准确率。在篇章级数据集RAMS上的实验结果表明,该模型在事件论元识别和事件论元分类的F1值分别达到54.3%和48.1%,相比最优的基准方法分别提升了1.8百分点和1.2百分点,验证了模型的有效性。

汉语词切分和字号对阅读知觉广度的影响:眼动的证据

本研究采用移动窗口范式,探讨汉语词切分线索和字号对阅读知觉广度的影响,采用3(词切分线索:不切分、正确词切分、错误词切分)×2(字号:大、小)×4(窗口:L1R2、L1R3、L1R4、整行)的被试内实验设计。结果发现,字号与窗口交互作用不显著,词切分线索、字号与窗口的交互作用也不显著。结果表明,字号对汉语阅读知觉广度的影响可能非常有限,词切分线索也不调节字号对汉语阅读知觉广度的影响。

融合多尺度跨度特征的谓语中心词识别模型

针对谓语中心词识别模型中存在缺失跨度长度信息和多尺度跨度关联信息等问题,提出一种融合多尺度跨度特征的汉语谓语中心词识别模型。首先,使用ChineseBERT预训练语言模型和双向长短期记忆(BiLSTM)网络提取文本中包含上下文信息的字符向量序列;其次,利用线性神经网络对字符向量进行初步识别,形成跨度遮蔽矩阵;然后,将字符向量序列二维化表示为跨度信息矩阵,使用多尺度卷积神经网络(MSCNN)对跨度信息矩阵进行运算,提取跨度的多尺度关联信息;最后,采用特征嵌入神经网络嵌入跨度的长度信息,丰富跨度的特征向量以识别谓语中心词。实验结果表明,该模型能够有效融合跨度的多尺度关联信息和长度信息,提升谓语中心词识别的性能,相比于同类模型中性能最优的谓语中心词识别模型的F1值提升了0.43个百分点。

大跨屋盖结构考虑模态耦合的等效静力风荷载

基于荷载响应相关法提出了一种计算大跨屋盖结构等效静力风荷载的新方法.该方法不再分别计算结构的背景响应和共振响应,而是采用完全二次型组合法直接计算结构的整体动态响应;而且这种方法能够考虑多阶模态的贡献和各阶模态响应间的耦合效应.最后,将一大跨屋盖结构(深圳市民中心)作为实际工程应用案例,计算了它的等效静力风荷载,并将其与其他方法的计算结果进行比较,以验证方法的有效性.

关键词提取算法TextRank影响因素的研究

关键词提取算法TextRank的影响因素包含词语的覆盖度、词语的位置、词频、词长、词跨度等5个因素。使用采集的南方周末1525篇新闻为数据源,对这些因素进行了交叉验证,得出以下3个结论:1)关键词提取过程中全局因素大于局部因素。2)词语覆盖度、词长、词频、词跨度、词语位置影响权重逐渐增大。3)词语覆盖度和词长的影响权重基本等效,词跨度和词频影响权重基本等效。这些结论具有一定的指导意义,避免了后续研究者的盲目性也减少了后续研究的工作量。

基于改进TF-IDF算法的情报关键词提取方法

传统的TF-IDF完全基于词频,忽略了词语的其它特征项对关键词的影响。本文提出基于TF-IDF、词位置和词跨度的关键词自动提取的方法。该方法通过在传统的TF-IDF关键词权重计算方法中,加入位置权值及词跨度权值,避免单纯采用TF-IDF算法产生的偏差。实验结果表明,该方法在情报关键词提取中有广泛的应用价值,其准确率、召回率及F1值与传统方法相比有明显提升。

融合多因素的TFIDF关键词提取算法研究

为了能更加准确、快速地提取文本中的关键词,首先需要对待提取的文本进行数据清洗,去掉其中的噪声数据,接着对文本进行分词操作,在去掉停用词的基础上,综合考虑词语的位置、词性、词语关联性、词长和词跨度等因素,将这些因素与经典的TFIDF关键词提取算法相结合,采用不同权重的方法得到最终的词语权重,按照词语权重从大到小取得前5个词作为文本的关键词。以本校图书馆提供的8045篇《红色中华》新闻为源数据,从准确度、召回率及F1值三个指标对文中算法、经典的TFIDF算法和专家标注进行对比,发现文中算法在三个指标上均优于经典的TFIDF算法,与专家标注比较接近。

基于Python的改进关键词提取算法的实现

关键词提取是自然语言研究领域的基础和关键点,在很多领域都有广泛的应用。以本校图书馆提供的8045篇《红色中华》新闻为源数据,首先对数据进行数据清理,去除其中的噪声数据,然后对每篇新闻进行数据结构解析,在解析的基础上计算了词语的TFIDF权重、词位置权重、词性权重、词长权重和词跨度权重,综合考虑这些权重计算出词语的综合权重,以综合权重最大的前8个词语作为新闻的关键词。从准确度、召回率及F1值3个指标对改进算法、经典的TFIDF算法和专家标注进行对比,发现改进算法在3个指标上均优于经典的TFIDF算法,与专家标注比较接近,值得推广应用。

阅读知觉广度内中文词汇的视觉信息提取：眼动研究证据

采用消失文本范式,通过两项实验考察中文阅读中词n-1、词n、词n+1和词n+2的视觉信息提取过程。除正常呈现句子的控制条件外,两项实验都还包含4种消失条件(词n-1消失、词n消失、词n+1消失和词n+2消失)。实验一将各消失条件的延迟时间设为0ms,结果发现词n-1消失、词n消失和词n+1消失都影响词汇加工和阅读理解;词n+2消失则只影响眼动过程。实验二将各消失条件的延迟时间设为50ms,结果发现词n-1消失、词n消失和词n+1消失都不再影响词汇加工和阅读理解;相对于实验一词n+2消失条件对眼动过程的影响模式发生变化。综合两项实验结果可知:中文读者的阅读知觉广度包含3个双字词词汇(词n-1、词n和词n+1),对这些词汇进行识别所需的呈现时间没有差异;中文读者不能识别词n+2,但其视觉信息能够引导眼跳过程。

中文单字词句的阅读知觉广度

通过考察中文单字词句的阅读知觉广度来探讨中文阅读的基本加工单元问题。实验采用"呈现随眼动变化"技术——移动窗口范式,记录了20名大学生阅读120个单字词句时的眼动行为,其中实验材料分5种窗口条件呈现。实验结果显示,单字词句的右侧阅读知觉广度为2个单字词,小于以往知觉广度的研究结果。中文阅读的基本加工单元可能是词。

厦深客运专线大跨连续梁上无缝道岔设计研究

高速铁路桥上无缝道岔的轨道、桥梁设计,目前已有一些研究成果,但仍然是一个难点。文章介绍了厦深客运专线韩江特大桥大跨连续梁上铺设30号无缝道岔的设计,进行了岔-梁-墩的纵向相互作用分析,作为无缝线路及桥梁墩台设计的依据;桥梁竖向相对变形分析,确定道岔和桥梁的合理相对位置关系;车-岔-桥的耦合动力学分析,进行列车运行及结构的安全性和乘坐舒适性评价。

基于词跨度的中文文本关键词自动提取方法

针对中文文本关键词提取方法中普遍存在的噪声干扰问题,本文提出一种基于词跨度的关键词自动提取方法。该方法通过在传统的关键词权重计算方法中,加入词跨因子,利用词跨度来过滤高频噪声数据,以达到降低噪声干扰的效果。整个关键词提取过程通过分词计算、停用词过滤、特征统计和权重计算,选出若干个能够表达文章主旨的关键词。复旦大学语料库的实验结果表明,该方法提高了关键词提取的精度,并且具备良好的稳定性。

架空输电线路弧垂计算的计算机实现

弧垂检测是保证架空输电线路安全运行的重要措施。传统的手工计算弧垂的方法不仅计算量大,而且容易出错。针对这一情况,提出了用计算机进行弧垂综合管理及其实现方法。采用这种综合管理软件,可自动完成弧垂计算、分析、保存和输出等工作。提高了工作效率,降低了工作强度,易于推广使用。

基于SUSAN算子的LEACH-C路由算法

在前人提出的LEACH-C路由算法的基础之上,提出了对LEACH-C的改进,在过去的LEACH-C路由算法中,采用模拟退火算法,来实现选取簇头,改进后的算法应用图像角点检测算子——SUSAN算子,使其在簇头的选取上,定位更准,速度更快,同时,在簇头选好后,为了节能,通过应用最小树原理,把各个簇头节点连接起来,簇内成员与簇头之间,采用直接通信。通过仿真试验表明,改进后的LEACH-C路由算法,能更好的节能,有效的延长了整个无线传感器网络的寿命。

铁路大跨度活性粉末混凝土简支梁截面形式研究

将活性粉末混凝土用于大跨度简支梁能够解决梁体自重过大的难题,从而进一步提高铁路简支梁的跨越能力和应用范围。铁路大跨度活性粉末混凝土简支梁设计研究的关键问题是确定合理的截面形式。本文从结构受力、经济效益、施工方案等角度研究合理的截面形式,提出了先期U形活性粉末混凝土和普通混凝土组合截面方案,其设计构造简洁,便于施工;利用结构二次受力的特点,充分发挥了活性粉末混凝土优异的力学性能,减少了活性粉末混凝土圬工用量。

基于动态规划的简单语义单元词义消歧

为了更为高效、准确的使用语义信息来进行自然语言处理,提出了一种基于动态规划的简单语义单元词义消歧方法。阐述了语义相关度计算模型,提出简单语义单元的概念,分析了简单语义单元的特点;使用动态规划的方法,依次求出每个多义词所有义项的最大生成树变量;求出语义修饰关系完全图的最大生成树,可将最大生成树转化为最佳语法分析方案,实现词义消歧。实验结果表明,该方法具有一定的可行性。

高中二年级学生双字词阅读知觉广度的眼动研究

采用"呈现随眼动变化技术"对12名高中二年级学生的双字词阅读知觉广度进行了眼动研究。结果发现:(1)高中二年级学生的双字词阅读知觉广度具有不对称性。(2)高中二年级学生的双字词阅读知觉广度为注视点左侧一个双字词到右侧两个双字词的空间。

初中二年级学生字词阅读知觉广度的眼动研究

采用眼动研究中经典的移动窗口技术范式探讨中学生字词阅读知觉广度。通过两个实验分别对17名初中二年级学生和12名初中二年级学生进行了汉语字、词阅读知觉广度的眼动研究。实验1结果表明,初中二年级学生字窗口条件下的阅读知觉广度为注视点左侧1个单字到右侧2个单字的范围;实验2结果表明,双字词窗口条件下的阅读知觉广度为注视点左侧1个双字词到右侧1个双字词的范围。本研究推论汉语阅读过程进行的是词单元加工,而不是单字。

边界回归的谓语中心词识别

识别谓语中心词是理解句子的关键,对于分析汉语结构具有重要意义。汉语结构松散导致谓语中心词识别困难,成为中文信息处理中的难点问题。由于单个句子中只有一个谓语中心词,枚举跨度将会产生大量负样本,导致正负样本不平衡。谓语中心词及高度重叠的负例样本之间共享相同的上下文,语义相近,容易产生误报。为了解决这些问题,提出一种基于边界回归的谓语中心词识别方法。首先识别谓语中心词的边界,然后通过边界组合生成跨度,从而减少跨度负样本的数量并且降低计算的复杂度。通过边界回归模块,更新跨度在句子中相当于谓语中心词的位置,提高跨度边界的准确性。通过增加约束策略,输出唯一的谓语中心词。实验结果显示,该模型的F值达到了84.41%,验证了该模型识别谓语中心词的有效性。

Feature extraction of search product based on multi-feature fusion-oriented to Chinese online reviews

The increasing Chinese online reviews contain rich product demand information,especially for search products.This study suggests a product feature extraction model from online reviews based on multi-feature fusion named PFEMF(products features extraction based on multi-feature fusion)model.Combining sentence and word characteristics of Chinese online reviews,the model explores the lexical features,frequency features,span features,and semantic similarity features of words.And then,they are fused to identify the features that customers are concerned about most by sequential relationship analysis.The identified product feature provides direction for product innovation and facilitates the product selection for customers.Finally,the study takes iPad Air as an example to prove this model.The results show that the extraction performance of the PFEMF model is superior to the traditional term frequency-inverse document frequency(tf-idf)algorithm,word span algorithm,and semantic similarity algorithm.