隐喻是人类语言中经常出现的一种特殊现象,隐喻识别对于自然语言处理各项任务来说具有十分基础和重要的意义。针对中文领域的隐喻识别任务,该文提出了一种基于句法感知图卷积神经网络和ELECTRA的隐喻识别模型(S yntax-a ware G CN with ...隐喻是人类语言中经常出现的一种特殊现象,隐喻识别对于自然语言处理各项任务来说具有十分基础和重要的意义。针对中文领域的隐喻识别任务,该文提出了一种基于句法感知图卷积神经网络和ELECTRA的隐喻识别模型(S yntax-a ware G CN with E LECTRA,SaGE)。该模型从语言学出发,使用ELECTRA和Transformer编码器抽取句子的语义特征,将句子按照依存关系组织成一张图并使用图卷积神经网络抽取其句法特征,在此基础上对两类特征进行融合以进行隐喻识别。该模型在CCL 2018中文隐喻识别评测数据集上以85.22%的宏平均F 1值超越了此前的最佳成绩,验证了融合语义信息和句法信息对于隐喻识别任务具有重要作用。展开更多
由网联自动驾驶车辆(connected and autonomous vehicles,CAVs)与人类驾驶车辆(human-driven vehicles,HDVs)组成的新型混合交通流,是未来交通发展趋势。利用CAVs精准可控的优势提升交通管控能力是重要的研究方向之一。通过控制上游路段...由网联自动驾驶车辆(connected and autonomous vehicles,CAVs)与人类驾驶车辆(human-driven vehicles,HDVs)组成的新型混合交通流,是未来交通发展趋势。利用CAVs精准可控的优势提升交通管控能力是重要的研究方向之一。通过控制上游路段的CAVs目标巡航速度,间接影响HDVs的车速,实现上游交通需求的精准调控。考虑混合交通流具有时变特性以及平顺性需求,基于模型预测控制,以CAVs速度为控制量,建立流量控制偏差和CAVs速度变化幅度最小为目标的混合交通流量控制模型,实现控制过程优化;并设计控制模型的分布式求解算法,提高模型求解速度。基于VISSIM仿真结果表明:流量控制模型在不同CAVs渗透率、需求水平、目标需求下降率和控制更新时间间隔下均表现良好,流量控制精度均在80%以上;控制策略求解时间小于0.1 s,能够满足CAVs实时控制需求,从而更快调节流量到目标值,避免下游拥堵;模型可实现上游需求流量最高可下降40%,能够应对高速公路需求大幅波动情况,最大程度预防高速公路瓶颈拥堵。该方法对于预防高速公路拥堵、提高通行效率具有借鉴意义,为基于CAVs的主动交通管控方法开发提供参考。展开更多
文摘隐喻是人类语言中经常出现的一种特殊现象,隐喻识别对于自然语言处理各项任务来说具有十分基础和重要的意义。针对中文领域的隐喻识别任务,该文提出了一种基于句法感知图卷积神经网络和ELECTRA的隐喻识别模型(S yntax-a ware G CN with E LECTRA,SaGE)。该模型从语言学出发,使用ELECTRA和Transformer编码器抽取句子的语义特征,将句子按照依存关系组织成一张图并使用图卷积神经网络抽取其句法特征,在此基础上对两类特征进行融合以进行隐喻识别。该模型在CCL 2018中文隐喻识别评测数据集上以85.22%的宏平均F 1值超越了此前的最佳成绩,验证了融合语义信息和句法信息对于隐喻识别任务具有重要作用。