关键词： BERT   电催化材料   人工神经网络  

摘要： 开发了自动化文献数据提取和分析管道,该管道能够自动识别和提取文献中的关键实体和关系,包括催化剂名称、所催化的反应、催化性能等信息.利用自然语言处理(NLP)技术,从文献中自动提取电催化材料的性能数据并进行分析,为研究人员全面准确地总结前人研究成果,为开展更有创新性和更可能产生突破的研究提供重要参考信息.

关键词： 本体   知识表示   景观基因   传统聚落   知识图谱   Neo4j图数据库   知识表达模型   地理信息  

摘要： 传统聚落集聚了大量的古代建筑和民俗等传统文化资源,以其突出的历史、文化和艺术等价值而备受关注,提取其丰富的历史文化信息并服务于现代产业发展具有积极的意义。针对当前尚缺乏从地理知识提取和表达视角对传统聚落丰富的历史文化信息进行知识抽取、组织和表达,进而实现“数据-信息-知识-智慧”转换这一问题,本文提出传统聚落景观基因本体(Geographic Ontology of Cultural Landscape Genes of Traditional Settlements,GeoOnto-CLGTS),并探索传统聚落景观基因的内在关联特征。首先,结合地理信息本体和传统聚落景观基因特征分析了GeoOnto-CLGTS的概念及表达方法,并提出GeoOnto-CLGTS模型的构建方法。其次,结合七步法的地理信息本体建模方法,梳理景观基因概念、关联关系和数据属性特征,自顶向下构建GeoOnto-CLGTS的概念层。并以123个中国传统聚落为案例,通过protégé工具进行实例补充,实现了GeoOnto-CLGTS模型的实例层构建。最后,通过Neo4j图数据库对本体数据进行存储,构建传统聚落景观基因知识图谱,实现了景观基因信息的查询。结果表明,本文构建的GeoOnto-CLGTS可以为今后开展传统聚落文化资源的知识发现及促进传统聚落的数字化保护提供有益的借鉴。

关键词： 自然语言处理   共指消解   法律文本   预训练语言模型   图神经网络  

摘要： 共指消解是确定上下文中的代词或名词短语所指的具体对象或实体,是自然语言处理(Natural Language Processing,NLP)的基本任务之一,对理解文本语义具有重要意义。现有的方法主要集中在一般领域的代词、所有格和名词短语的解析上,针对法律领域的研究较少。为了更好地学习法律文本中的知识,并消除共同指代现象,提出一种基于图神经网络的法律文本共指消解模型(Graph Neural Network for Coreference Resolution,CR-GNN)。所提CR-GNN可以促进法律文本挖掘中的一系列后续任务。利用预训练语言模型和双向门控循环单元(Bidirectional Gate Recurrent Unit,BiGRU)对法律文本进行编码;使用基于元任务的动态图卷积网络(Meta Dynamic Graph Convolutional Network,MDGCN)整合实体之间的引用关系;使用前馈神经网络(Feed-Forward Neural Network,FFNN)和Biaffine模型为候选对进行加权评估。CR-GNN可以有效识别实体之间的引用关系,并对实体依赖关系进行建模。在法庭记录文件数据集上进行大量实验,结果表明所提CR-GNN模型达到89.76%的F1分数,均高于现有基准模型。

关键词： 制丝排产模型   自适应遗传算法   多约束多目标  

摘要： 针对卷烟制丝排产多约束多目标的问题,以烟丝交付及时率、换牌次数、生产均衡性为目标,充分考虑机台产能、工艺约束、原辅料供应约束条件下,构建制丝排产模型,并设计自适应遗传算法进行模型求解,通过改进交叉和变异算子的自适应设计,加快算法收敛速度。本文的方法已在某卷烟厂制丝排产中应用,验证了该方法的有效性。

关键词： 潜液泵   遗传算法   数值模拟   优化设计   诱导轮   叶轮  

摘要： 为了提高潜液泵效率并解决潜液泵多部件多参数优化的难题,提出一种基于遗传算法优化的潜液泵效率提升优化设计方法。选取潜液泵效率作为优化的目标函数,以叶轮和诱导轮作为优化的核心部件,以潜液泵叶轮进口角β_(1)、叶轮出口角β_(2)、叶片包角ϕ、叶片进口宽度b_(2)、诱导轮进口角β_(3)、诱导轮出口角β_(4)、诱导轮叶片倾角γ作为约束条件,利用遗传算法进行优化,并利用ANSYS Fluent软件进行数值模拟验证。数值模拟结果表明:综合考虑叶轮与诱导轮优化的潜液泵与原泵相比,其工作效率由原来的71.65%提升至80.40%,且增压效果更明显,并且效率提升效果比单一优化叶轮或诱导轮的泵更好。通过遗传算法对LNG潜液泵的叶轮以及诱导轮进行综合优化,显著提高了泵的工作效率。

关键词： 遗传算法   不平衡数据   欠采样   集成学习  

摘要： 为了解决类别不平衡问题,常用的方法是对训练数据进行重采样,以获得平衡数据.为此,结合遗传算法迭代优化的思想,提出了一种基于遗传算法的欠采样方法.该方法以不平衡数据的模型评价指标AUC作为适应度函数,在多数类数据集上初采样后,经过选择、交叉、变异等操作,最终获得最具代表性的平衡子集作为模型的训练集.为了克服遗传算法对初采样的依赖,继而提出一种基于遗传算法欠采样算法的随机森林的集成学习方法.在15个不平衡数据集上的实验表明:与现有的多种代表性采样方法相比,遗传算法欠采样算法在召回率、精度、F1、G-mean及AUC得分上都有明显的提升;与其它分类方法比较,基于遗传算法欠采样算法的集成学习方法在AUC上提高了6.9%,表现出更高的性能.

关键词： 游客满意度   OTA平台   语义网络   情感分析   贝叶斯模型  

摘要： 依托头部OTA平台,可以更好地促进旅游产业复苏,推动相关旅游经营单位、星级饭店、旅行社等发展。OTA平台信息全面,但个性化服务较少,无法满足游客需求。文章利用python爬虫获取携程网2023年“五一”期间10个热门城市的TOP3景区评论数据共2.3万条,结合贝叶斯层次统计模型,层层迭代,建立OTA平台游客满意度模型,通过语义网络,分析用户对不同类型景区的游览需求,并结合情感文本分析,探索OTA平台开发模式。研究发现,不同级别和类型的旅游景区,其游客需求及关注点有所不同,游客需求和文本情感分析结果高度吻合。OTA平台应该结合旅游景点特色和顾客需求,开发出适合游客的衍生产品和服务,提升游客满意度。

关键词： 配送服务   医药行业   配送效率   固定成本   末端配送   配送模型   配送路径   惩罚成本  

摘要： 本文提出了带模糊时间窗的药品配送路径优化模型,以配送服务固定成本、配送车辆运输成本和模糊时间窗惩罚成本之和最小为目标建立配送模型,并提出改进的遗传算法进行求解。旨在满足患者对药品配送的及时性要求,实现高效可靠的药品配送模式。1.问题的提出由于药品本身的特殊性以及医药配送的应急性,很难做到在满足客户需求的前提下科学规划配送路径,导致配送效率低下,配送服务不够完善,药品的末端配送问题多年来一直是医药行业创新发展的一大难题。因此需要建立配送路径的优化模型.

关键词： 遗传算法   参数优化   磁同极互斥   振动能量采集器   无线传感网络  

摘要： 为了提高电磁式振动能量采集器的发电效率,为无线传感网络和可穿戴电子设备提供微型、高效、可持续的供电装置,提出了一种基于遗传算法的磁互斥振动能量采集器多参数优化方法。由于多级磁铁同极互斥结构的弹簧-阻尼-质量模型参数复杂,通过将磁铁个数、磁铁长度、线圈相数、各相线圈长度、线圈连接方式的最大发电效率问题描述为遗传算法的多参数优化问题,实现发电效率最大化条件下能量采集器结构参数组合的精确匹配。实验结果表明,参数优化后样机发电性能显著提升,在激励加速度为0.5g、频率为9.5 Hz时,优化前后样机输出电压均达到峰值,分别为2.18和4.86 V。在激励加速度分别为0.3g、0.5g、0.7g时,优化后样机最大输出电压分别为3.68、4.86、6.0 V,最大输出功率分别为9.28、16.18、24.66 mW。

关键词： 喷射制冷   喷射器   机器学习   人工神经网络   预测   优化  

摘要： 喷射器是一种用途广泛的机械装置,具有结构简单、初投资低、维护容易、运行可靠等优点,广泛应用于制冷、海水淡化、化工、燃料电池、航空航天等领域。喷射器不直接消耗机械能,可实现节能的目的,在我国“双碳”背景下备受关注。机器学习方法作为一种基于数据的自动化分析方法,可以用于喷射器内部流动特性的分析及喷射器性能的优化。近年来,已有部分学者将机器学习方法应用于喷射器的研究中,以提升喷射器性能和系统性能。但是目前文献中的研究方向较为分散,研究现状和研究水平尚不明晰。本文对采用机器学习方法对喷射器进行研究的文献进行了全面的梳理,分析现状、总结方法,并指出未来可以将机器学习方法应用于喷射器内部流动特征的研究中,为提升喷射器效率和性能提供依据和指导;将机器学习方法应用于喷射器变工况性能研究中,构建喷射器从自动化设计到真实应用的通路;构建更加合适的算法,提出一系列具有针对性的解决方案。