勐海汉语方言单字音的声调格局研究

本文基于实验语音学的研究方法,首先对汉语方言单字音声调格局研究的相关理论进行了广泛的搜索和整理,运用Praat软件对勐海汉语方言各个调类的单字音进行分析并展开研究,获得勐海方言单字调各个调类的基频数据,在此基础上运用T值法得出勐海方言单字音的T值和五度值,绘制出了单字音声调格局图,并与普通话单字音作对比,最后揭示出勐海方言在声调上所具有的特色。

基于需求文档和图神经网络的需求知识图谱构建方法

知识图谱可以将大量不同种类信息连成一个语义网络,为人工智能相关的研究提供了从“关系”层面解释分析问题的能力。因此,构建各领域知识图谱成了近年来的研究热点。然而对于服务需求领域知识图谱的构建研究较少,针对这一现状,本文提出了一种基于需求文档和图神经网络的需求知识图谱构建方法,该方法以100条公司真实需求文档为数据源,结合传统自然语言处理方法和图神经网络分类模型,通过知识抽取、人工标注、需求特征编码、需求分类、需求图谱存储和可视化等5个步骤来进行服务需求领域知识图谱的构建。实验表明该方法可以有效地从大量非结构化需求文档中提取到需求语义信息,并通过图神经网络分类模型较准确地识别需求意图,从而结合图数据库和可缩放矢量图可视化技术将需求图谱进行轻量级存储和可视化展示。

基于TextRank与BERT预训练模型的新闻评论观点句识别方法

由于用户的观点句与新闻内容高度相关,对新闻评论进行观点句识别时需要关注新闻文本这一额外信息。本文针对新闻文本通常很长,BERT并不能很好地处理长序列文本的问题。提出了将TextRank算法与BERT预训练模型相结合的方法,利用TextRank算法从新闻文本中提取出新闻摘要,在不缺失语义信息情况下将较长的新闻文本表示为较短的文本。再将新闻摘要信息与评论通过BERT模型得到语义融合表示向量,最后在全连接层将融合表示向量转换为评论是否为观点句的概率。本文与近年流行的深度学习文本分类模型进行了对比,在准确率上取得了79.80%的最佳效果,说明了模型的有效性。并在NLPCC&2012微博观点句识别数据集取得了准确率为80.38%的最佳效果,验证了模型具有一定的泛化能力。

基于YOLOv3的轻量化口罩检测算法研究

针对当前基于深度学习的口罩检测算法在实时性与检测精度上不能同时具有良好的表现性能,本文提出一种基于YOLOv3的轻量化口罩检测算法,通过EfficientNet-B1网络替换掉原有的网络参数量大,网络结构复杂的骨干网络Darknet-53,为进一步提升网络性能,实验引入ECA通道注意力机制与特征金字塔结构相结合,最后采用CIOU对原有的边界框损失进行优化。实验结果表明,该网络结构模型与YOLOv3相比,检测精度仅降低1.73%,但模型参数量降低了79%,且单张图片检测速度也提升了3.93倍,一定程度上体现了本文算法的良好性能。

应用于心脏病诊断的线性回归决策树模型

心脏病是一种十分常见的高发性疾病,已经成为导致人类死亡的主要因素之一。提高心脏病的医疗诊断的准确性,并对其实行更早的干预与治疗是需要关注的问题。在本文中,我们在数据预处理和模型建立前期阶段采用的是python代码实现,最终发现患病比例与性别和年龄也有着一定的联系。然后采用了SPSS对其进行分析,发现R值为0.719,属于0.5~1之间的大效应的情况,因此,模型拟合效果良好。此外,方差分析的显著性值为0,处于0~0.05的范围之内,可以说明各个参数建立的线性关系回归模型具有极显著的统计学意义,即线性关系显著。模型建立的后期阶段采用以决策树为代表的多种预测模型,最终预测准确率如下:基于信息熵的决策树模型为85.6%,基于基尼指数的决策树模型为84.2%,基于基尼指数的决策树(预剪枝)模型为86.6%。我们发现:模型的准确率均在85%左右,其中基于基尼指数的决策树(预剪枝)模型准确率最高。

应用于服务组合的改良粒子群算法

当今社会,互联网、物联网、云计算以及大数据的快速发展和普及使得网络应用越来越广,越来越多的行业和相应的网络进行越来越深地融合。许多原本属于线下的服务经过封装后被搬上了网络上,同类型的服务也越来越多。如何在互联网大数据环境下快速找到满足用户个性化需求的服务组合已经成为亟需解决的问题。为了解决这个问题,本论文提出了一种改良粒子群服务组合方法,此改良粒子群算法根据服务组合问题的特点分别从四个方面加入了逃出局部最优的机制,根据用户的服务组合请求去快速组合出更优的服务组合方案。本文通过实验与其他相关的服务组合优化算法在最优性、时间复杂度以及收敛性三个指标进行了对比。根据实验结果分析,本文所提出的方法在最优性、时间复杂度以及收敛性三个方面整体上表现出来良好的性能。

基于知识图谱融入注意力机制商品推荐的可解释性方法

近年来,知识图谱与推荐系统相结合已经被证明是提高推荐准确率以及为推荐带来可解释性的有效方法,知识图谱中项目之间的连接为用户–项目交互提供了丰富的信息。但现有利用知识图谱的推荐算法中没有考虑到实体之间的相关性。针对这一问题,我们提出了基于知识图谱融入注意力机制商品推荐的可解释性方法。该方法利用注意力机制来区分出邻居节点的重要性,并通过该重要性将实体的邻居节点嵌入实体中,来获取更有效的用户实体表示,提高了推荐的准确性也为推荐项目带来了可解释性。我们将所提出的方法应用于Clothing和Cell_Phones两个数据集,实验结果表明,本文提出的方法通过注意力机制在一定程度上解决了在探索用户偏好时实体间的不相关性问题。

自适应增量调制的Matlab仿真实现及性能研究

自适应增量调制(ADM)是现代语音数字化的一种常用方式,是模数转换和压缩编码的一种重要方法。通过对DM技术的研究,在此基础上引入ADM技术。建立ADM系统模型,采用步长自适应法实现。使用MATLAB仿真实现并根据仿真结果分析其性能。提出ADM能够自动跟踪快速变化的信号波形,比DM具有更良好的SNR性能和更大的动态范围,在很低的速率上就能得到高的编码质量,如32kbit/s甚至是16kbit/s,从而节省了带宽。

基于层次分析法的科技安全影响因素研究

通过对已有文献进行归纳分析,梳理出影响我国科技安全的因素,即科技环境和科技实力两大类,具体包括国际政治、技术封锁、科技体制、行业水平、科研经费和创新能力、科技人才、科技成果、科技基础。基于层次分析法,利用yaahp工具计算出各因素的权重排序,最终得出创新能力是影响科技安全的最主要因素,科技环境的影响次于科技实力。