摘要：实体关系三元组的抽取效果直接影响后期知识图谱构建的质量,而传统流水线式和联合式抽取的模型,并没有对句子级别和关系级别的语义特征进行有效建模,从而导致模型性能的缺失。为此,提出一种融合句子级别和关系级别的交互注意力网络的实体和关系联合抽取模型RSIAN,该模型通过交互注意力网络来学习句子级别和关系级别的高阶语义关联,增强句子和关系之间的交互,辅助模型进行抽取决策。在构建的中文旅游数据集(TDDS)的Precision、Recall和F1值分别为0.872、0.760和0.812,其性能均优于其他对比模型;为了进一步验证该模型在英文联合抽取上的性能,在公开英文数据集NYT和Webnlg上进行实验,该模型的F1值相比基线模型RSAN模型分别提高了0.014和0.013,并且该模型在重叠三元组的分析实验也均取得了优于基线模型的性能且更稳定。

摘要：以2-氯-4-氟-5-硝基苯酚为起始原料合成了28个1-杂环基-2-氟-4-氯-5-炔丙氧基苯类化合物,并对其进行了抑制苘麻生长的活性测试,总结了构效关系。发现2-(2-氟-4-氯-5-炔丙氧基苯基)-4,5,6,7-四氢异吲哚-1,3(2H)-二酮、2-(2-氟-4-氯-5-炔丙氧基苯基)-四氢咪唑并[1,5-a]吡啶-1,3(2H, 5H)-二酮、2-(2-氟-4-氯-5-炔丙氧基苯基)-四氢-[1,2,4]三唑并[1,2-a]哒嗪-1,3(2H)-二酮、1-(2-氟-4-氯-5-炔丙氧基苯基)-哌啶-2,6-二酮和3-(2-氟-4-氯-5-炔丙氧基苯基)-1-甲基-6-三氟甲基-2,4-(1H,3H)-嘧啶二酮的除草活性较高。该构效关系研究,有望对新型PPO抑制剂的分子设计提供参考。

摘要：热词提取对于景区的发展具有重要意义,目前热词提取方法仍存在分词效果不佳、训练模型耗费大等问题,文中提出一种基于景区评论的静态热词提取模型CRF+TBTT。该模型利用新型算法流程过滤非关键词,分析高频词和特色词,提取候选词,最后得到准确的静态热词。通过对59107条景区评论数据进行实验,结果表明,CRF+TBTT模型的性能均明显优于比较模型,对景区前20个热词提取准确率达到90%,说明该模型对静态热词提取的效果较好,有助于旅游部门对景区进行有效管理和规划。

摘要：为了解决电力负荷预测中存在的影响因素过多导致模型精度下降的问题,提出一种基于随机森林和门控循环单元网络的RF⁃GRU模型。用随机森林计算袋外数据错误率,从含有时间、气象的高维数据集中筛选出高评分特征并与历史负荷数据组成新的数据集作为GRU模型的输入,以实现对某地的短期电力负荷进行预测。实验结果表明,RF⁃GRU模型的预测效果明显优于BP、GRU和LSTM模型,说明新模型用于短期电力负荷预测是可行且有效的。

摘要：[目的/意义]从国内游客在线评论文本中分析挖掘出游客对目的地的潜在印象,有助于相关部门和企业了解游客的真正需求,从而科学规划目的地的发展,提升目的地的美誉度。[方法/过程]通过构建词云图进行热词分析;通过DBSCAN密度聚类、构建语义网络关系图完成特色分析;通过提出一种基于Bert的双路神经网络融合的文本情感分类模型TNNFMB(Two-way Neural Network Fusion Model Base on BERT)结合迁移学习实现情感分析,以此挖掘游客的潜在印象。[结果/结论]通过实验,总体挖掘分析出游客高度关注目的地的服务、环境、设施、性价比、位置、景点景色、景区项目,并验证了TNNFMB模型在分类准确率上比基线模型至少提升3.06%,取得了更好的分类效果。