摘要:面向查询的文本摘要是自动文摘中的一个特殊领域,可以根据用户个性化的查询需求,从原始文档或文档集中提取有价值的摘要信息。目前,该技术已经在面向查询的搜索引擎、智能化信息检索、问答系统等领域得到广泛应用,并受到越来越多的关注。文章基于面向查询的文本摘要任务的典型技术框架,从查询理解、文档处理和信息组织三个方面对其国内外研究方法的现状进行对比和分析,对不同业务场景的应用进行了举例,归纳了面向查询的文本摘要面临的挑战及发展趋势。
摘要:现有的共享单车预测模型大多将共享单车视为封闭交通系统,忽略了不同交通系统之间的交互影响,因此设计了一种使用非负矩阵分解算法改进的图卷积神经网络。首先,利用非负矩阵分解算法将其他交通系统的需求数据分解为不同的出行模式;其次,确定不同出行模式的含义;最后,将分解后的需求信息作为辅助信息与共享单车需求数据一同输入图卷积神经网络中进行预测。实验结果表明:与不考虑其他交通方式影响的模型相比,使用非负矩阵分解算法改进的图卷积神经网络的平均绝对误差下降了10.84%,并且非负矩阵分解方法能较好地解释辅助交通系统是如何提升单车需求预测效果的。
摘要:针对工业互联网云平台中不同子系统数据割裂和隐私保护问题,文章提出基于Bubble-Skyline算法的解决方案,该方案包括数据收集模块、数据预处理模块、数据分析建模模块。在数据收集模块和数据预处理模块中使用协议加密和哈希映射转化表,安全地传输与整合不同系统之间的数据;在数据分析模块中使用Bubble-Skyline算法获得最优解。采用某工厂的历史数据验证表明,在工厂排产中,该方案能够在保护数据隐私的同时优化排产方案,平均生产时间减少了17.15%。
摘要:在当前军队装备面临跨越式发展的背景下,军用软件研发领域仍存在着低效低质、协作不力等一系列问题。该研究提出了一种基于产品协同的开发方法,通过体系方法的迭代改进、信息化固化,构建了一体化的软件研发平台。依托该平台,可实施软件研发过程的精细化管理,实现由传统开发模式向产品线协同、并行的开发模式转变。通过这种协同研发平台的构建与实施,能够确保产品质量和进度目标的达成,实现客户定制化需求的快速交付。
摘要:足过度旋前是常见的足部功能障碍,会引起人体足部姿势与下肢力线的改变。肌肉训练是一种有效的运动康复治疗模式。文章采用临床动作范式,设计了一款交互式虚拟训练系统。该系统包括游戏训练模块和康复评估模块。游戏训练模块在患者训练时将动作实时映射到游戏的虚拟人物动作中,实现交互式游戏训练。康复评估模块实现在训练前和训练后对患者进行静态姿势评估,为医生后续诊断评估提供参考依据。对系统的功能进行测试,测试结果初步表明,系统将三种针对足过度旋前康复训练动作顺利地融入了游戏任务中,实验者主观评价腿部肌肉的疲劳程度与预设目标基本符合,说明系统能够达到预期效果。该研究为足过度旋前的康复提供了一种新的训练方式,能促进患者训练,具有一定临床应用价值。
摘要:海洋微藻是海洋生态系统的基石,对其进行分割识别可以监测海洋水质并防治藻华。UCTransNet是使用Transformer模块替代UNet中跳跃连接模块的分割模型,但UCTransNet过于重视图像的通道信息而忽略了图像的空间信息。针对此情况,提出一种将空间与通道融合的注意力机制,并将其加入UCTransNet中,得到CSAM-UCTransNet。该模型加强了编码器与译码器之间的联系。实验表明,CSAM-UCTransNet对海洋微藻样本的分割精度相较于UCTransNet提升了4.88%。与UNet、Attention-UNet、UNet++等分割算法相比,该模型分割精度更高,对细节的处理效果更好。
摘要:时滞在工业系统中广泛存在,但是现有的Hammerstein辨识算法大多没有考虑时滞,使得这些算法的应用受到局限。针对具有整数时滞的Hammerstein非线性系统,提出了一种新的时滞估计方法。该方法基于输入、输出数据的依赖性工作,首先计算输入数据和输出数据的边缘分布;其次基于2-copula函数构建它们的联合分布,利用该分布定义一个依赖性度量方法;最后基于这个度量推断时滞。该方法独立于参数估计时滞,并且避免了基于优化的时滞估计方法中存在的取整运算问题。通过数值实验和实际案例,验证了该方法可以准确估计Hammerstein系统的时滞。
摘要:排列熵算法随着嵌入维数的增大,运算规模将会呈平方级数增大,计算时效性问题突出,亟待解决。为此,提出一种基于任务并行编程模型的线程级并行方法,通过任务并行运行系统(StarPU)将密集型计算划分为多个独立的任务,再由调度器将任务调度到不同的CPU上执行,实现排列熵算法的并行化。基于StarPU的排列熵并行算法与串行程序相比较,加速比为23.79倍,相较于OpenMP(一种用于共享内存并行系统的并行计算方案),在分配28个线程时,加速比为1.17倍,结果表明该方法能够有效实现排列熵算法的加速执行。
摘要:为了改善常规存储方式模糊查询性能较低的问题,提出一种针对大文本文档数据的高效模糊查询方法。通过对文档建立倒排索引,将索引以及部分文档信息提取到内存中以降低磁盘输入和输出(Input/Output, I/O)。根据内存中的倒排索引和数据库中主键形成的映射查询数据,然后通过相关度算法对这些数据进行排序,并以字典树作为搜索提示,实现高效的全文检索。实验结果表明:与ElasticSearch使用相同词集时,随着测试数据量的变化,所设计的全文检索引擎的查询效率是ElasticSearch效率的80~1 200倍,其效率优势随着数据量增加呈现反比例关系变化,并且在17 919条文档数据下,其内存占用不超过2.5 GB,适合用于海量文档数据检索。
摘要:随着全球天气持续变暖,高温、干旱、大风等极端天气呈现多发并发态势,导致全球范围内森林火灾频繁爆发。为了提升森林火灾检测精确率和实时性,提出了一种基于改进YOLOv8的森林火灾检测算法模型。该模型在Neck端上采样阶段中的Upsample结构后面以及每个C2F 模块后面添加CBAM(Convolutional BlockAttention Module)注意力机制,通过对特征通道和空间的学习,提高模型的特征提取能力,解决火焰和烟雾图像分辨率低和受不同场景因素影响导致的识别率低的问题。将该算法模型应用于火灾数据集进行训练、验证、测试发现,与原算法模型相比,经改进的算法模型的准确率和召回率分别提高了6.5%和6.8%,其中mAP@0.5提高了4.8%。实验结果表明,改进后的算法模型能够实现对森林火灾的实时监测与精确识别。
摘要:针对传统单车需求预测研究在处理不同地区无桩共享单车需求预测中存在的特征提取不精细和地区需求预测匹配度不精准等问题,在对南京地区两个自然年度、三类典型地区共享单车的使用需求数量、天气状态、季节周期等多类数据进行采集和特征工程的基础上,提出了一种兼顾时空序列的基于ConvLSTM(Convolutional LongShort Term Memory)深度学习预测模型,该模型通过卷积操作后能够提取数据中隐含的更多空间信息,将其应用于测试集中并与经典时序LSTM(长短期记忆网络)和CNN(卷积神经网络)进行对比发现,RMSE分别提升0.05和0.04,最大误差分别提升约0.86和0.3。
摘要:入侵农田问题给试验田的安全保护带来了严重挑战,传统的保护手段存在诸多限制。为解决这一问题,将无人机技术和目标检测与跟踪算法相结合,提出一种创新的解决方案。该方法通过无人机高空航拍视角获取农田图像数据,并利用YOLO(You Only Look Once)算法实现实时目标检测。同时,采用SORT(Simple Online andRealtime Tracking)算法对入侵目标进行持续跟踪。通过在海南试验田中的应用实验验证该方法的可行性和有效性。实验结果表明,基于YOLO和SORT算法的无人机目标检测与跟踪系统能够在0.4 s内快速检测和跟踪入侵农田目标,为试验田的安全保护工作提供了重要支持。
摘要:为了提高在复杂背景下进行跟踪的精度,在KCF(Kernel Correlation Filter)算法的基础上提出了一种改进方案。首先,提取HOG(Histogram of Gradient)、CN(Color-Naming)和LBP(Local Binary Pattern)三种特征进行融合,获得充分的目标特征信息;其次,引入尺度滤波机制用于估计目标最佳尺度大小,得出最合适的跟踪框;最后,提出了一个峰值更新策略,确保模型更新不受错误信息干扰。实验表明,改进后的算法比KCF算法在精确度和成功率上分别提升了6.5%和4.8%,并且在处理尺度变化、变形、旋转等方面也有很好的鲁棒性。
摘要:为解决人们“每天不知道吃什么”的烦恼,采用Spark分布式处理框架,结合分布式存储数据库(MongoDB)、日志收集系统(Flume)、分布式系统文件(HDFS)等工具,实现对菜品实时评分及特色化推荐。系统包含菜品评分及储存模块、评分数据处理模块、菜品推荐模块、推荐结果展示模块等,其中推荐模块采用协同过滤推荐算法。使用测评方法和指标验证3种推荐模型的有效性,根据测评结果设计并实现以基于物品的推荐模型为主、以基于Spark ALS的推荐模型为辅的智能菜品推荐系统。该系统能够快速准确地推荐顾客喜欢的菜品,提高了商家的服务效率和顾客的满意度,可用性较高。
摘要:通过运用大数据技术,构建了一种校园公权力监督模型(CPASM),旨在提升教育资源配置的透明度和公平性,以及优化教学与行政决策。利用案例分析法,聚焦于A学院计算机应用技术专业,探讨了大数据在财务管理、教学质量评估和行政决策过程中的应用。CPASM模型结合时间序列分析和外部因素分析,应用自回归积分滑动平均(ARIMA)模型处理数据,同时将校园公权力动态变化纳入考量。CPASM模型的拟合与验证结果表明,其预测的均方误差(MSE)、均方根误差(RMSE)较低,确定系数(R2)接近1,准确地描绘了财务趋势,有助于管理层进行财务规划和资源配置。