检索结果-南通市图书馆

语篇分析理论在高中英语阅读理解“七选五”教学中的应用探究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

校园英语 2024年第6期 46-48页

作者：万齐湖北省武昌实验中学

解答高中英语阅读理解“七选五”题目，学生需依据文本语篇特征，剖析文本篇章结构和句际关系，运用语篇知识，从七个选项中选出最佳选项。该题型对学生的语篇分析能力有较高的要求，因此教师在教学中应该注重培养学生的语篇分析能力。... 详细信息

解答高中英语阅读理解“七选五”题目，学生需依据文本语篇特征，剖析文本篇章结构和句际关系，运用语篇知识，从七个选项中选出最佳选项。该题型对学生的语篇分析能力有较高的要求，因此教师在教学中应该注重培养学生的语篇分析能力。笔者通过问卷调查了解到学生解答“七选五”题型的痛点，通过教学模式革新试图提高学生对阅读理解“七选五”题目的解题能力，同时通过访谈了解学生对于将语篇分析理论应用于“七选五”教学的看法和收获，通过深入探讨语篇分析理论的应用，帮助学生更好地理解分析英语文本，提高其阅读理解的水平。

关键词：语篇分析七选五教学模式探究

基于知识图谱的铁路工程实体信息表达方法与应用

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

铁道建筑 2024年第5期64卷 157-162页

作者：刘泽洋王万齐卢文龙中国铁道科学研究院研究生部北京100081 中国铁道科学研究院集团有限公司电子计算技术研究所北京100081

为解决铁路工程实体在多种标准下的铁路实体单元粒度不一致、语义异构性突出的问题,提出一种基于知识图谱的铁路工程实体信息表达方法并进行了应用场景研究。通过梳理铁路现有标准以及结构化和非结构化数据文档,从铁路桥梁与隧道工程出... 详细信息

为解决铁路工程实体在多种标准下的铁路实体单元粒度不一致、语义异构性突出的问题,提出一种基于知识图谱的铁路工程实体信息表达方法并进行了应用场景研究。通过梳理铁路现有标准以及结构化和非结构化数据文档,从铁路桥梁与隧道工程出发,定义了铁路工程实体的本体模型分类体系,并采用自上而下的方式逐步建立知识图谱本体,形成了铁路工程实体集成表达知识图谱的本体层。通过Aho-Corasick等算法建立编码的Jena推理规则库,将EBS(Engineering Breakdown Structure)、IFD(International Framework for Dictionaries)和工程量清单编码与知识图谱本体进行挂接,实现了铁路工程实体的编码映射。在此基础上,搭建Jena-Fuseki服务器与Bentley二次开发插件结合的架构体系,设计了多种功能模块,基于铁路工程实体知识图谱实现了信息抽取与应用。实现了在多源异质性的铁路工程信息模型背景下,基于知识图谱满足铁路工程实体的统一表达和精准映射与应用。

关键词：知识图谱铁路工程编码映射知识推理二次开发

基于改进RandLA-Net的铁路桥梁点云构件级分割方法

在线全文

学校读者我要写书评

暂无评论

中国铁路 2024年第4期 42-48页

作者：吴承文王万齐卢文龙中国铁道科学研究院研究生部北京100081 中国铁道科学研究院集团有限公司电子计算技术研究所北京100081

随着无人机和激光扫描技术的快速发展,点云数据成为铁路桥梁施工进度管理的重要信息源。桥梁构件级结构的精细分割是施工进度监测和工期评估的关键步骤。为此,提出基于RandLA-Net改进的铁路桥梁点云构件级分割方法。首先,顾及自注意力机... 详细信息

随着无人机和激光扫描技术的快速发展,点云数据成为铁路桥梁施工进度管理的重要信息源。桥梁构件级结构的精细分割是施工进度监测和工期评估的关键步骤。为此,提出基于RandLA-Net改进的铁路桥梁点云构件级分割方法。首先,顾及自注意力机制,捕捉离散点之间的全局上下文语义关系,并嵌入位置编码块,增强点的位置特征;其次,根据输入特征动态调整权重或池化操作,改进注意力池化模块,使网络集中关注输入数据的特定区域,自适应地聚合来自相邻点的信息。结果表明,该方法在实际处理铁路桥梁点云数据集时,比RandLA-Net的平均交并比提升了2.4%,具有良好的分割性能。

关键词：三维点云深度学习语义分割铁路工程数据注意力机制点云数据

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

铁路工程专业接口一体化协同管理体系研究

铁道标准设计 2024年

作者：王万齐王立新魏强解亚龙刘红峰黄成峰聂现会中国铁建股份有限公司中国国家铁路集团有限公司工程管理中心北京经纬信息技术有限公司中国铁道科学研究院集团有限公司电子计算技术研究所

铁路工程是一项复杂的系统工程，由于专业交叉广泛，参建单位众多，使得铁路工程在实体和功能上存在着许多相互影响、时空关系紧密联系的专业接口。为提升铁路工程专业接口管理效率，促进参建单位间的协调配合，解决专业接口不协同问题... 详细信息

铁路工程是一项复杂的系统工程，由于专业交叉广泛，参建单位众多，使得铁路工程在实体和功能上存在着许多相互影响、时空关系紧密联系的专业接口。为提升铁路工程专业接口管理效率，促进参建单位间的协调配合，解决专业接口不协同问题，基于铁路工程项目一体化管理思想，构建了包含组织协同、过程协同和信息协同的管理体系框架，并通过整合各专业资源，设计了专业接口协同管理信息系统，支持接口信息的高效管理和共享。提出的管理体系框架明确了各参与方的职责和目标，提出了组织制度协同、目标协同和关系协同，以及过程协同管理流程和信息协同管理机制，实现了专业接口的有效管理。铁路工程专业接口一体化协同管理体系框架为铁路工程接口管理提供了理论指导和实践支持。通过该体系结合信息化技术，可以有效提升管理效率，确保工程质量，缩短工期，并促进专业间的协调与配合，为铁路工程的顺利实施提供重要保障。

关键词：铁路工程专业接口一体化协同管理组织协同过程协同信息协同体系框架

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

主题方面共享的领域主题层次模型

软件学报 2024年第4期35卷 1790-1818页

作者：万常选张奕韬刘德喜刘喜平廖国琼万齐智江西财经大学信息管理学院江西南昌330013 华东交通大学软件学院江西南昌330013 江西省高校数据与知识工程重点实验室(江西财经大学) 江西南昌330013

层次主题模型是构建主题层次的重要工具.现有的层次主题模型大多通过在主题模型中引入nCRP构造方法,为文档主题提供树形结构的先验分布,但无法生成具有明确领域涵义的主题层次结构,即领域主题层次.同时,领域主题不仅存在层次关系,而且... 详细信息

层次主题模型是构建主题层次的重要工具.现有的层次主题模型大多通过在主题模型中引入nCRP构造方法,为文档主题提供树形结构的先验分布,但无法生成具有明确领域涵义的主题层次结构,即领域主题层次.同时,领域主题不仅存在层次关系,而且不同父主题下的子主题之间还存在子领域方面共享的关联关系,在现有主题关系研究中没有合适的模型来生成这种领域主题层次.为了从领域文本中自动、有效地挖掘出领域主题的层次关系和关联关系,在4个方面进行创新研究.首先,通过主题共享机制改进nCRP构造方法,提出nCRP+层次构造方法,为主题模型中的主题提供具有分层主题方面共享的树形先验分布;其次,结合nCRP+和HDP模型构建重分层的Dirichlet过程,提出rHDP(reallocated hierarchical Dirichlet processes)层次主题模型;第三,结合领域分类信息、词语语义和主题词的领域代表性,定义领域知识,包括基于投票机制的领域隶属度、词语与领域主题的语义相关度和层次化的主题-词语贡献度;最后,通过领域知识改进rHDP主题模型中领域主题和主题词的分配过程,提出结合领域知识的层次主题模型rHDP_DK(rHDP with domain knowledge),并改进采样过程.实验结果表明,基于nCRP+的层次主题模型在评价指标方面均优于基于nCRP的层次主题模型(hLDA,nHDP)和神经主题模型(TSNTM);通过rHDP_DK模型生成的主题层次结构具有领域主题层次清晰、关联子主题的主题词领域差异明确的特点.此外,该模型将为领域主题层次提供一个通用的自动挖掘框架.

关键词：层次主题模型领域分类信息词语语义主题关联关系层次化的采样过程领域主题层次

万古霉素联用哌拉西林-他唑巴坦致急性肾功能损伤研究进展

在线全文

学校读者我要写书评

暂无评论

中国感染与化疗杂志 2024年第3期24卷 355-360页

作者：张鑫万齐华钟晗张在丽西宁市第一人民医院临床药学科西宁810000 上海交通大学医学院附属仁济医院药学部

万古霉素与哌拉西林-他唑巴坦联用是治疗重症感染常用方案之一,自2011年以来有大量研究表明该方案与急性肾损伤(AKI)具有相关性,引起了广泛关注[1-27]。但万古霉素联用哌拉西林-他唑巴坦致AKI的发生机制尚不清楚,相关肾损伤的临床结局... 详细信息

万古霉素与哌拉西林-他唑巴坦联用是治疗重症感染常用方案之一,自2011年以来有大量研究表明该方案与急性肾损伤(AKI)具有相关性,引起了广泛关注[1-27]。但万古霉素联用哌拉西林-他唑巴坦致AKI的发生机制尚不清楚,相关肾损伤的临床结局或死亡率也不明确。2020年有学者提出两药联用引起的肾损伤为假性毒性[28]。本文就万古霉素联合哌拉西林-他唑巴坦致AKI的流行病学数据、临床表现、发生机制及评估方法进行综述,为临床合理用药及药学监管提供参考。

关键词：万古霉素哌拉西林-他唑巴坦联合用药急性肾功能损伤

在线全文

学校读者我要写书评

暂无评论

面向研究问题的深度学习事件抽取综述

自动化学报 2024年

作者：万齐智万常选胡蓉刘德喜刘喜平廖国琼江西财经大学数据与知识工程江西省高校重点实验室江西财经大学虚拟现实现代产业学院江西财经大学信息管理学院

事件抽取是一个历史悠久且极具挑战的研究任务,近年来取得了大量优异成果.由于事件抽取涉及的研究内容较多,它们的目标和重心各不相同,使得读者难以全面地了解事件抽取包含的研究任务、研究问题以及未来的热点趋势.尽管现有的少量事件... 详细信息

事件抽取是一个历史悠久且极具挑战的研究任务,近年来取得了大量优异成果.由于事件抽取涉及的研究内容较多,它们的目标和重心各不相同,使得读者难以全面地了解事件抽取包含的研究任务、研究问题以及未来的热点趋势.尽管现有的少量事件抽取综述梳理了相关成果,但存在以下局限:1)研究任务及其研究进展的梳理不清晰; 2)仅从技术路线的角度进行梳理.由于不同研究任务下的不同研究问题的解决技术不宜一起对比,因此这样的梳理方式不利于清晰地展示事件抽取在不同方面的研究进展情况.为此,面向研究问题对基于深度学习的事件抽取研究成果重新回顾整理.首先,界定事件的相关概念,论述事件抽取的研究任务,明确各研究任务的目标,再梳理各任务上的代表性研究成果;然后,总结现有事件抽取成果主要致力于解决哪些方面的研究问题,分析为什么会存在这些问题、为什么需要解决这些问题的原因;紧接,着对每个方面的研究问题进行技术路线梳理,分析各自的大体研究方案以及研究推进的过程;最后,讨论事件抽取可能的发展趋势.

关键词：事件抽取研究任务研究进展及解决方案深度学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于主备路由的电力通信网关键链路识别算法

电力系统自动化 2024年第10期48卷 203-215页

作者：姜万昌王涛郑国男郭健东北电力大学计算机学院吉林省吉林市132012 吉林省智能电网信息技术工程实验室(东北电力大学) 吉林省吉林市132012 国家电网内蒙古东部电力有限公司信息通信公司内蒙古自治区呼和浩特市010010 吉电集团有限公司丰满配电施工处吉林省吉林市132011

随着电网智能化的发展,电力通信网络结构日趋复杂,业务数量日益增多。为识别电力通信网关键链路,提出基于主备路由的电力通信网关键链路识别算法。首先,根据各业务重要度、带宽以及主备路由分布情况,在电力通信网络模型基础上融入电路模... 详细信息

随着电网智能化的发展,电力通信网络结构日趋复杂,业务数量日益增多。为识别电力通信网关键链路,提出基于主备路由的电力通信网关键链路识别算法。首先,根据各业务重要度、带宽以及主备路由分布情况,在电力通信网络模型基础上融入电路模型,得到网络服务层和传输层的初始可靠性。然后,根据链路失效后对原本流经失效链路的业务重新分配路由后的网络服务层和传输层可靠性的下降程度,计算链路重要度。最后,设计关键链路识别算法,根据链路重要度值识别关键链路。在中国内蒙古自治区东部某市和江苏省某市电力通信网进行仿真实验,并与不同关键链路识别算法进行对比分析,验证所提算法的合理性。

关键词：电力通信网关键链路识别主备路由链路失效

在线全文

学校读者我要写书评

暂无评论

基于完形填空的方面级情感四元组预测

计算机学报 2024年

作者：彭文忠夏家莉万齐智刘德喜万本庭曹重华夏池玉江西财经大学数据与知识工程江西省高校重点实验室江西财经大学软件与互联网工程学院江西财经大学财经数据科学重点实验室江西财经大学信息管理学院

方面情感四元组预测(ASQP)任务旨在从给定的评论语句中提取所有方面词以及相应的方面类别、观点表达和情感极性，有助于全面了解用户对产品或服务不同方面的评价情况。现有情感四元组预测方法主要存在以下局限：(1) 判别式模型没有利用p... 详细信息

方面情感四元组预测(ASQP)任务旨在从给定的评论语句中提取所有方面词以及相应的方面类别、观点表达和情感极性，有助于全面了解用户对产品或服务不同方面的评价情况。现有情感四元组预测方法主要存在以下局限：(1) 判别式模型没有利用prompt捕获情感元素之间的语义关系；(2) 生成式模型要么简单地将情感元素类型标签组合形成prompt，缺乏理解标签类型涵义的语境；要么将离散模板作为解码器的输入，而编码器则无法捕获到模板中情感元素之间的语义关系。为了缓解这些问题，本文首先基于完形填空思想研制离散和连续2类prompt，提供理解4个情感元素类型涵义的语境，帮助模型更好地捕获情感元素之间的语义关系。然后，基于设计的prompt，提出C-ASQP框架，包含判别式模型DC-ASQP和生成式模型GC-ASQP。在DC-ASQP中，采用2阶段策略，先预测4个情感元素中2个较为容易的情感元素，再将预测结果嵌入到设计的prompt中，帮助模型理解情感元素类型的涵义，从而有效预测另外2个情感元素。在GC-ASQP中，将设计的prompt作为编码器的输入，借助预训练模型的学习模式，充分利用预训练模型蕴含的知识提升四元组的生成效果。实验结果显示，DC-ASQP模型在4个常用数据集上的F1值相比同类判别式最优模型分别提高4.70%、6.48%、6.97%和2.60%，GC-ASQP模型的F1值比最优基准模型分别提高0.86%、1.67%、0.15%和1.02%，验证了将ASQP建模为完形填空任务的有效性，所设计的2类prompt以及C-ASQP框架是有效的。

关键词：方面情感四元组预测完形填空离散和连续prompt 判别式和生成式模型 C-ASQP框架