基于文本知识的多跳推理综述

基于文本知识的多跳推理是一种从大规模文本知识库中选择和组合相关知识,以回答复杂问题或验证假设的过程。这种能力可以显著提高自然语言处理系统的实用性,因此基于文本知识的多跳推理已经成为自然语言处理领域的研究热点。然而,该任务面临两大挑战:1)如何从海量语料库中准确地选择推理所需的知识;2)如何通过多步语义合成进行有效推理。针对这些挑战,该领域出现了许多优秀的工作,但是尚缺乏对该领域的综述。因此对该领域的相关工作进行梳理和总结。首先给出多跳推理以及基于文本知识的多跳推理的定义;其次,分析、比较了当前流行和高质量的基于文本知识的多跳推理数据集;再次,对已有的知识选择方法进行分类,并分析各类方法的优缺点;继次,对已有的推理方法进行分类讨论;最后,探讨了该领域未来可能的发展方向。

油酸酰胺型润滑剂在铁表面减摩作用

采用分子模拟方法研究了油酸酰胺、油酸二乙烯三胺、油酸三乙烯四胺、油酸四乙烯五胺4种表面活性剂在铁表面的吸附性能和润滑性能。吸附模拟结果表明,吸附能随氮原子含量提高而增大,其中油酸四乙烯五胺单分子在铁表面的吸附能为−1512.4679 KJ·mol^(−1),高于其他3种酰胺。剪切动力学模拟结果表明,4种表面活性剂的氮原子集中分布在铁表面,其中含氮较高的油酸四乙烯五胺在剪切面优先吸附,氮原子密度为固定面的1.6倍左右。四球摩擦实验结果表明,氮原子含量提高,酰胺摩擦系数降低,磨斑半径减小,其中油酸四乙烯五胺的摩擦系数为0.00436,是油酸酰胺的1/2,磨斑半径为241.7μm,小于其他3种酰胺。分子模拟和实验结果均表明,随着分子中氮原子含量的增加,油酸酰胺型表面活性剂在铁表面具有更好的润滑效果。