摘要：关系分类是自然语言处理领域的一项重要语义处理任务。传统的关系分类方法通过人工设计各类特征以及各类核函数来对句子内部2个实体之间的关系进行判断。近年来,关系分类方法的主要工作集中于通过各类神经网络获取句子的语义特征表示来进行分类,以减少手动构造各类特征。在句子中,不同关键词对关系分类任务的贡献程度是不同的,然而重要的词义有可能出现在句子中的任意位置。为此,提出了一种基于注意力的混合神经网络关系分类模型来捕获重要的语义信息,用来进行关系分类,该方法是一种端到端的方法。实验结果表明了该方法的有效性。

摘要：面向知识图谱的知识推理旨在通过已有的知识图谱事实,去推断新的事实,进而实现知识库的补全.近年来,尽管基于分布式表示学习的方法在推理任务上取得了巨大的成功,但是他们的黑盒属性使得模型无法为预测出的事实做出解释.所以,如何设计用户可理解、可信赖的推理模型成为了人们关注的问题.从可解释性的基本概念出发,系统梳理了面向知识图谱的可解释知识推理的相关工作,具体介绍了事前可解释推理模型和事后可解释推理模型的研究进展;根据可解释范围的大小,将事前可解释推理模型进一步细分为全局可解释的推理和局部可解释的推理;在事后解释模型中,回顾了推理模型的代表方法,并详细介绍提供事后解释的两类解释方法.此外,还总结了可解释知识推理在医疗、金融领域的应用.随后,对可解释知识推理的现状进行概述,最后展望了可解释知识推理的未来发展方向,以期进一步推动可解释推理的发展和应用.

摘要：及时获取新增内容,是采集器的重要衡量指标。基于版块页-内容页架构设计的网络采集器通过定期重采入口的版块页,能够有效地快速识别新产生内容页面并进行扩展。然而获取内容的实时性与对网站访问的友好性存在一定的折中。传统的重采策略关注时效性,而忽略了对网站访问的友好性。该文提出了一种基于时间序列预测的改进重采策略兼顾时效性和友好性。实验表明,该方法可以在保证数据采集实时性的情况下,有效降低访问量,提升对网站访问的友好性。

摘要：关系抽取(RE)是为了抽取文本中包含的关系,是信息抽取(IE)的重要组成部分。近年来,研究人员利用深度学习技术在该领域开展了深入研究。由于神经网络类型丰富,基于深度学习的关系抽取方法也更加多样。该文从关系抽取的基本概念出发,对关系抽取方法依据不同的视角进行了类别划分。随后,介绍了基于深度学习的关系抽取方法常用的数据集,并总结出基于深度学习的关系抽取框架。在此框架下,对关系抽取方法在面向深度学习的输入数据预处理、面向深度学习的神经网络模型设计等方面的具体工作进行了分析与评述,最后对未来的研究方向进行了探讨和展望。

摘要：当前,配电网网架规划在提高电网可靠性和稳定性方面发挥了关键作用,但往往忽视了源荷出力的相关性,导致弃光率高、配电网网架投资大、线路利用率低等问题。为此,提出一种考虑源荷相关性及不确定性的配电网网架规划方法。首先结合源荷历史数据,考虑光伏和负荷出力的时序自相关性,利用拉丁超立方采样和Cholesky分解法生成源、荷场景集,并计及源荷互相关性,设计源荷联合场景削减方法;其次考虑源荷出力不确定性,确定典型源荷联合场景及其概率;然后构建期望光伏消纳水平最大、期望年投资运行成本最小、线路过载概率期望值最小的配电网网架多目标优化规划模型,并考虑相关约束;采用改进NSGA-II算法求解,生成配电网网架规划方案。最后,讨论帕累托前沿解之间的差异以及不同参数对规划结果的影响,为规划决策者提供备选方案。

摘要：低碳绿色城市更新的八大路径。当谈及中国城镇化进程时,我们必须认识到这个进程已进入下半场并正处于重大改革的关键时期。这一话题涉及到国家民族以及每个人的绿色福祉,因此非常值得进行深入的研讨。我身为此次讨论的引导者,希望为各位同仁提供一些深刻的思考和启发。首先,全球的碳排放形势异常紧迫,同时中国已经积极响应《全球21世纪可持续议程》,并提出国家“双碳”战略。