摘要：我国是漆树原生地,是大漆的故乡,是世界漆艺的发祥地。我国有八千年的漆历史,迄今挖掘出的最早的相关文物,是浙江省跨湖桥遗址出土的一把漆弓。在文化自信的背景下,漆艺呈现出繁荣发展的态势,它的创新发展有助于传承和发展中华优秀传统文化。通过对漆艺的分析,探讨漆艺在园林景观设计中的适用性及应用价值,思考如何让这一传统工艺在新时期焕发新颜,真正融入园林景观设计和现代人的生活中。

摘要：为了应对新形势下的电力营销服务形势,提升互联网时代的电网优质服务水平,利用蜣螂优化(dung beetle optimizer,DBO)算法,设计了一种“互联网+营销服务”虚拟机器人模型。首先针对电网营销部门可能发生的人机交互情景开展交互分析与关系框架设计,然后基于深度Q网络(deep Q network,DQN)建立虚拟机器人自主学习模型,引入DBO算法完成模型超参数的高效寻优并通过训练完成优化后的模型学习,最终将实际的电力营销数据输入到模型中进行实验测试。在特定的测试环境下综合检测模型的实际应用情况,测试结果表明:该虚拟机器人模型在功能性实验、非功能性实验和安全性实验中模型运转和系统运转正常率达到100%,能够较好地实现人机交互功能,达到全天候客户需求精准响应的战略目标。

摘要：在诸如电力客户问题等此类专业技术领域的自然语言问题命名实体识别任务中,由于专业性及用语的地域性导致难以实现大规模标注数据。而采用传统基于有监督学习模型的命名实体识别方法,则较易陷入过拟合。针对上述问题,文中对关系网络中的嵌入模块和关系模块及样本采样、元训练集构建等方面进行了面向命名实体识别任务特点的设计,提出了一种基于关系网络小样本学习方法的实体识别模型。在电力客户问题实体识别数据集上的实验结果表明,该模型的F1等重要指标比常用的有监督识别模型提高了大约10%~40%。

摘要：针对海量电力运营文本数据缺乏有效应用的现状,提出了一种包括文本清洗和文本分析的电力运营文本数据预处理方法,且进一步设计了基于文本数据特征识别的电力运营信息模型。该模型采用词频-逆向文档频率(TF-IDF)算法提取经预处理后的电力运营文本特征项,并将其作为长短期记忆网络(LSTM)的输入,实现特征的自动学习。最终,输出电力运营文本分类结果。通过算例分析结果表明,所提出的TF-IDF-LSTM算法相比于LSTM与TF-IDF-SVM算法,在电力运营文本分类上具有更高的准确率。

摘要：针对电力营销领域电力知识数据存在的多样性问题,提出了一种新的基于深度语义解析与识别的电力实体链指技术体系。其结构采用语义特征选择器的多层卷积特征拼接静脉识别方法,生成反映高级特征关键信息的语义加权图。同时以语义加权映射为选择器,筛选低层背景信息并保留细节信息,使筛选有更高效率的识别与压缩效果。该体系结构实现了完整的上下文约束,内存需求更少且搜索速度更快,错误率也较低,故能为大规模电力营销实体数据的构建提供实时解决方案。