关键词： 混合式注意力   三元组抽取   情感分析   网格标注   自然语言理解  

摘要： 方面情感三元组抽取旨在识别一条评论中的方面项及其情感倾向,并提取与其相关的观点项.现有方法大多将该类任务分为多个子任务,将子任务组成流水线并完成这类任务.然而,基于流水线思想的方法在实际应用中会受到误差传播、不易使用等因素的影响.为此,文中提出词对关系学习方法,将方面情感三元组抽取任务转化为端到端的词对关系学习任务.方法包含一种可将句中的词对关系进行统一标注以表示所有三元组的词对关系标注的方法,以及为此特别构建的可输出词对关系的词对关系网络.首先,使用双向门控循环单元和混合式注意力对句子进行编码表示.然后,使用注意力图转换模块将句子编码转换为各项标签概率.最后,从词对关系标签结果中提取三元组.此外,将预训练的BERT(Bidirectional Encoder Representation from Transformer)应用于文中方法.在4个标准数据集上的实验表明,文中方法性能较优.

关键词： 初中语文   群文阅读   互助学习   学习方法  

摘要： 新课改强调核心素养的培养,教学方法的改进和教学方式的优化不仅能强化学生对语文知识的理解,而且能提升学生的审美能力。群文阅读这种全新的教学方式,可深化学生的个人体验,促进日常的理解记忆。本文以核心素养的培养为背景,对在群文阅读中开展互助学习的相关问题进行了较为深入的探究。

关键词： 粒子群-神经网络   随机森林算法   经验正交函数   气候预测   汛期降水  

摘要： 使用1991-2021年7-9月广西90个地面气象观测站降水量、NCEP/NCAR月再分析资料和国家气候中心BCC_CSM1.1气候模式回报资料,研究建立基于粒子群-神经网络、随机森林算法的广西后汛期降水气候预测模型,并对2016年-2021年预测进行应用试验。结果表明,基于粒子群-神经网络、随机森林算法的后汛期降水预测Ps得分比逐步回归方法分别提高了2.78分、2.5分,比气候模式分别提高了29.22分、28.94分,预测能力有明显的提升。

关键词： 废水排放量   社会经济决定因素   趋势预测   机器学习方法   任务相关性  

摘要： 中国的水污染是一个非常严重的问题,为了控制水污染,对中国未来废水排放量进行准确预测具有十分重要的意义。从影响废水排放量的潜在变量中筛选出GDP、人均GDP和产业结构三个关键预测变量,采用1998—2017年中国省域数据和基于任务相关性的机器学习方法对各省份废水排放量趋势进行预测。实验结果表明,所建立的预测模型能够保持线性回归模型的可解释性,并获得较高的预测精度(RMSE、MAE和MAPE分别为0.0882、0.0643和0.5533)。预计全国年废水排放总量2025年最低将达到9081209万吨,最高9903864万吨;2030年最低将达到10864311万吨,最高13081922万吨。政府部门可根据预测结果制定废水减排计划和经济发展规划,在发展经济的同时维持生态环境的平衡。

关键词： Biome reconstruction   Random forest algorithm   Biomisation method   Pollen data   Last Glacial Maximum   Tibetan Plateau  

摘要： Historical biome changes on the Tibetan Plateau provide important information that improves our understanding of the alpine vegetation responses to climate ***,a comprehensively quantitative reconstruction of the historical Tibetan Plateau biomes is not possible due to the lack of quantitative methods that enable appropriate classification of alpine biomes based on proxy data such as fossil pollen *** this study,a pollen-based biome classification model was developed by applying a random forest algorithm(a supervised machine learning method)based on modern pollen assemblages on and around the Tibetan Plateau,and its robustness was assessed by comparing its results with the predictions of the biomisation *** results indicated that modern biome distributions reconstructed using the random forest model based on modern pollen data generally concurred with the observed zonal *** random forest model had a significantly higher accuracy than the biomisation method,indicating the former is a more suitable tool for reconstructing alpine biome changes on the Tibetan *** random forest model was then applied to reconstruct the Tibetan Plateau biome changes from 22 ka BP to the present based on 51 fossil pollen *** reconstructed biome distribution changes on the Tibetan Plateau generally corresponded to global climate changes and Asian monsoon *** the Last Glacial Maximum,the Tibetan Plateau was mainly desert with subtropical forests distributed in the *** the last deglaciation,the alpine steppe began expanding and gradually became zonal vegetation in the central and eastern *** meadow occupied the eastern and southeastern areas of the Tibetan Plateau since the early Holocene,and the forest-meadow-steppe-desert pattern running southeast to northwest on the Tibetan Plateau was established *** the mid-Holocene,subtropical forests extended north,which reflected the“optimum”***

关键词： 旷场实验(OFT)   行为分析   视频分类   特征拼接矩阵   卷积神经网络(CNN)  

摘要： 目的旷场实验(open field test,OFT)是行为学与药理实验分析中常用的实验方法。为了对比测试组和参考组被测小鼠的行为特征差异,通常需要耗费大量精力对旷场实验数据进行处理和观测。由于旷场实验数据量大且较依赖观测人员的主观判断,导致对小鼠行为差异观测的精度较低且缺乏量化评价指标。为此,本文提出一种基于卷积神经网络(convolutional neural networks,CNN)的旷场实验视频分类方法,可基于量化特征对两组小鼠的行为差异自动分类。方法从视频空域和时域中提取22维的小鼠运动行为特征,经过量化后生成特征矩阵,进而以矩阵拼接方式构造可学习的行为特征矩阵样本,利用不同结构卷积神经网络对提取的行为特征矩阵样本进行训练和分类,并分析网络结构对分类结果的影响,在实现两组小鼠分类的基础上,对不同维度小鼠行为特征对分类精度的重要性进行评价。结果在真实旷场实验数据集上的实验分析表明,本文算法的分类准确率为99.25%。此外,由实验结果分析发现小鼠的大角度转向频次、停留区域与时间对小鼠分类的重要性高于其他维度特征。结论提出的特征拼接矩阵学习方法能够准确识别两组小鼠旷场实验视频的差异,本文方法的分类准确率明显优于现有人工分析及经典机器学习方法。

关键词： 耕地违建   深度学习   建筑物提取   变化检测  

摘要： 耕地是粮食安全的根基所在,而随着我国城镇化的推进,农村违法占用耕地问题逐渐普遍化。加强对农村耕地的违建监测并制定应对措施是有效制止耕地蚕食现象的前提。借助深度学习技术,提出了一种基于前期耕地矢量的建筑物变化检测方法。首先利用已有国情矢量和影像数据制作建筑物专题样本;然后利用U-Net网络进行建筑物提取的模型训练,借助Otsu二值分割和Snake算法得到建筑物图斑;最后利用空间叠置法将提取的建筑物矢量与前期耕地矢量进行相交处理,得到耕地内的新增建筑图斑。实验结果表明,该方法为大范围监测耕地违建提供了有效手段。

关键词： 轴箱轴承   监督式自编码器   变工况特征迁移   卷积神经网络   故障诊断  

摘要： 以高速列车轴箱轴承为研究对象,提出了一种适用于有限数量变工况下的轴承故障诊断方法。该方法以有监督的学习模式构造自编码器,将不同工况下特征值集向参考工况下特征集做映射迁移,从而减弱由工况变化引起的轴承故障特征值改变的影响。再将迁移后的特征集输入由参考工况特征集预训练的基于卷积神经网络的故障诊断模型,实现变工况下轴承故障的诊断。凯斯西储大学轴承公开数据集和高速列车轴箱轴承数据集的试验结果表明,经监督式自编码器特征迁移后的轴承故障识别准确率有了较大提升,该方法能够较好的实现有限工况下的特征序列的迁移,解决工况变化带来的故障特征的畸变问题。

关键词： 权重分配   卷积神经网络   双向长短时记忆网络   情感分析   多通道  

摘要： 针对以文本词向量作为卷积神经网络的输入无法考虑情感特征对文本情感极性的影响、难以突出对类别更具代表性的词且卷积神经网络无法利用文本上下文信息等问题,提出一种基于权重分配的多通道卷积神经网络(WAMCCNN)和双向长短时记忆网络(BILSTM)模型相结合的方法。将文本词向量、情感词向量及词语的特征权重相互结合形成新的特征向量作为卷积网络不同通道的输入,使得模型能够从多方面的特征学习到文本的情感信息且有效利用了每个词语在句子中重要性的信息,获得更多的语义信息。同时,结合BILSTM模型学习到的包含文本上下文信息的全局特征,也解决了卷积神经网络无法利用文本上下文信息的问题。最后在新浪微博评论数据集和京东评论数据集上进行实验,结果表明,该模型分类准确率相比之前的基于深度学习的情感分析模型得到了明显的提升。

关键词： 兴趣   质疑   习惯   学习方法   家庭教育  

摘要： 时代的发展对教师提出了更高的要求。对于学生,教师要帮助和引导他们养成良好的行为习惯和学习习惯,这是重中之重。教师要引导学生具备较强的生活能力和学习能力,具有健康的身体和健全的人格;教师要让课堂教学成为学生学习知识、锻炼思维、发展个性和培养能力的主阵地,尤其是自主学习能力的培养。每一名学生都是独立的个体,都是不可复制和不可取代的,因此,教师在教育教学过程中要因人而异,因材施教,注重养成教育和心理健康教育,引导学生从小养成自主学习的意识和习惯,为未来的成长和发展打下坚实的基础。