多源信息融合的生成式摘要研究

这是一篇关于自动摘要,多源信息融合,序列到序列模型,图神经网络,注意力机制的论文, 主要内容为随着互联网的高速发展,各类文本数据呈现爆炸式增长,信息过载问题日益严峻。面对海量的结构化文本(如知识图谱、软件代码)或非结构化文本(如新闻、社交媒体),如何快速、有效地从中获取关键信息并将其组织成精简连贯的语言表达形式变得尤为重要。作为缓解信息过载及提高信息获取效率的关键技术之一,自动技术旨在实现文本内容的自动提炼总结,以生成包含关键信息的语言描述。尽管现有主流的自动摘要方法在摘要任务中取得了较大进展,但仍然易存在如摘要内容偏离原文主题、重要信息缺失等问题。鉴于文本往往存在结构复杂、重要信息分布不均衡等情况,本文提出了基于多源信息融合的生成式摘要范式,通过挖掘利用文本的多源内外信息(如结构信息、关键词信息、上下文信息)来协同改善复杂文本的生成摘要质量。具体而言,本文一方面利用多源信息增强编码器对复杂文本的理解及表示能力,另一方面综合考虑不同信息与输入文本间的交互性以挖掘利用重要信息来引导解码器生成,使其能聚焦原文的重要主题。本文将多源信息融合的生成式摘要范式分别用于生成式结构化文本摘要和生成式非结构化文本摘要:(1)在面向结构化文本的摘要任务中(即代码摘要任务),提出了基于关键词引导的融合结构和上下文信息的生成式代码摘要模型(CodeSum),通过融合代码结构及代码上下文来增强编码器,通过关键词来引导解码器;(2)在面向非结构化文本的摘要任务中(即新闻摘要任务),提出了基于上下文信息融合的Transformer生成式新闻摘要模型(NewsSum),通过上下文信息增强编码器并引导解码器。在多个公开数据集上的系列实验结果表明,本文提出的多源信息融合的自动摘要范式及相应的融合摘要模型能较好地适应结构化文本及非结构化文本的自动需求,尤其多源信息的引入均有助于改善摘要的生成质量。

融合实体类别信息的知识表示学习方法研究

这是一篇关于知识图谱,知识表示学习,多源信息融合,实体类别信息,注意力机制,负样本生成的论文, 主要内容为近年来,知识表示学习受到了广泛关注,其旨在将知识图谱中的实体和关系表示为稠密低维的实值向量,以便高效地计算实体和关系之间的语义联系,并可以将学习到的知识表示应用到知识图谱补全、关系抽取以及自动问答等下游任务中,提升所对应的各类模型的性能。随着对知识表示学习研究的不断深入,一些研究学者将工作重心从改进模型本身转移到了除此以外的其他方面,包括多源信息融合以及负采样等。本文着眼于这两个方面,提出了一种新颖且有效的模型,通过采用注意力机制去捕获其他方法中人工制定的规则所涵盖的信息,解决了一些模型在融合实体类别信息时需要引入额外规则的问题,从而简化模型并提升模型的普适性。并且,为使得多源信息得到充分的利用,填补负采样工作几乎没有用到多源信息的空白,本文提出了一种利用实体类别生成高质量负样本的方法,以此提高模型性能。本文主要成果如下:(1)提出一种融合实体类别信息的知识表示学习模型TEKRL。在引入多源信息的同时,解决了其他模型在使用实体类别信息时需要引入额外规则的问题。该模型构建了基于结构和基于类别的两种实体表示,并通过引入注意力机制来捕获实体类别和三元组关系之间的潜在关联,自动地学习实体的不同类别对某种特定关系的不同重要程度,从而简化了人工制定规则这一繁琐的过程,更高效地利用实体类别信息进行知识表示学习。通过实验表明,TEKRL模型在链接预测和三元组分类任务的各项指标上都取得了显著提升,尤其是在实体预测任务中,与其他方法相比,Hit@10指标提升了约7.2%,Mean Rank指标相对提升了约23%,表明了该模型可以有效地利用类别信息来更好地进行知识表示。(2)提出一种利用实体类别信息生成负样本的方法TENS。定义了实体类别相似度的概念,并基于此提出了一种提升模型负样本质量的负采样方法。该方法将类别相似度作为选择替换实体的依据,并对类别相似度排序得到生成负样本的待替换实体序列,通过对待替换实体序列进行划分以及根据类别相似度对各划分区域设置不同的采样概率来实现高质量的采样。通过实验表明,加入了TENS负采样方法后,模型的性能在原有的基础上取得了进一步的提升。其中,Hit@10指标进一步提升了1.2%,Mean Rank指标进一步提升了3.9%,表明了所提出的负样本生成方法可以有效地提升模型的学习能力。

基于混合云技术的果园作物动态监测平台研究

这是一篇关于混合云,果园监测,系统设计与开发,多源信息融合的论文, 主要内容为根据新疆生产建设兵团第十四师(昆玉市)农业生产、经营、管理与决策的需求,以红枣为研究对象,构建示范应用信息服务体系。昆玉市位于我国西北部地区,该地区果园种植面积广阔,地处偏远,人口稀少,采用传统人工方式进行果园管理不仅费时费力,而且果园数据获取的实时性也很难保证。本文旨在将互联网、物联网等现代高新技术应用至昆玉市地区的果园监测,促进当地果园管理的数字化、网络化和智慧化发展。其赋能数字化、网络化和智慧化的发展将大力地推进当地水果业生产高效、集约和产业化的发展,促进当地水果业生产节本、提质、增效及产业体系的优化、升级。因此,在此前提下搭建基于混合云技术的果园作物生长动态监测服务平台。本文的主要研究内容和成果如下:(1)多源数据融合。在本系统中数据源有遥感影像数据、地图矢量数据、地面物联网传感器数据、基础信息管理数据等,数据类型多,格式不一。将这些多源信息数据有组织的存储在数据中,则需要了解如何将这些数据存储在数据库中,以及各个数据间联系,通过建立外键、主键等确定表之间的关系。由于遥感影像数据量大,无法直接存储在数据库中,在数据库中仅记录影像在计算机中的存储位置;地图矢量数据的存储使用PostgreSql数据库,并结合PostGIS插件对地图矢量数据进行存储;地面物联网数据与基础信息管理数据在数据库中以基本的字段进行记录。(2)平台信息安全保障研究。为保障用户信息的安全性和计算能力,系统采用混合云模式,利用阿里云提供的云服务搭建混合云。公有云为用户提供系统访问地址,在面对云爆发时,公有云还能够提供弹性计算、负载均衡等服务;私有云用于存储数据,保障数据安全。同时,系统具有分级管理权限,赋予不同用户不同管理权限,用于维护系统信息安全。(3)实现果园基地数字化管理。基于Java语言进行系统开发,实现了分级权限管理、用户基础信息管理、地块信息管理、传感器实时监测、作物种植管理、告警提示;利用Openlayers实现地图可视化,在地图上进行农田种植管理。(4)实现果园环境的监测警示。利用本系统连接外部地面传感器,获取监测数据,对数据进行实时监测,当数据超过指定的阈值时,发出警示信息。本系统使用的地面传感器有温湿度传感器、土壤酸碱度传感器、光照强度传感器、植物茎流计等。在本系统中重点监测土壤温湿度和土壤酸碱度,因为这两个生长因素是人为可控的,也是作物生长比较重要的因素。对于其他果园环境数据可用于农作生长研究,判定这些因素对作物生长的影响。(5)基于混合云的果园监测服务平台设计与实现。本平台主要从平台需求、总体框架、平台安全、网页设计、数据库设计、功能设计等方面进行设计。本平台的开发与实现,后台开发使用Java语言,整合SSM框架;前端开发使用Layui、Bootstrap、Echarts前端框架;传感器开发遵循MQTT协议,并搭建EMQTT服务器,连接客户端与服务器端,进行消息队列的数据传输。

多源信息融合的变速变载滚动轴承故障预测系统研究

这是一篇关于滚动轴承,变速变载,故障预测,多源信息融合的论文, 主要内容为滚动轴承作为旋转设备中重要的功能件对设备正常运行起关键作用,且现代设备逐渐趋于智能化和复杂化,使得轴承更多地处于变速变载的工况下。复杂的服役环境导致轴承的故障成为设备的主要失效形式,所以企业越来越重视变速变载下轴承的故障预测和健康管理。由于压力机中的飞轮轴承是典型的变速变载轴承,且飞轮轴承故障是压力机的主要失效形式,严重影响生产的效率和安全性,加上变速变载轴承寿命难以估计,所以为实现变速变载下滚动轴承故障的精准预测,本文以压力机飞轮轴承为背景研究变速变载滚动轴承的故障精准预测问题,以指导企业对设备中旋转零部件的健康管理,主要研究内容如下:(1)以SL4-2500A压力机飞轮轴承为例,通过压力机主传动系统的建模仿真得到飞轮轴承的变工况参数,并以飞轮轴承变速变载工况为背景,搭建了变速变载轴承疲劳寿命实验台,获得了变速变载和定速定载两种工况下滚动轴承全生命周期的振动数据集和温度数据集。(2)为了准确提取变速变载下轴承故障特征,提高故障预测精度,本文对传感器采集的原始振动和温度时序数据进行预处理。使用快速傅里叶变换实现振动信号的降噪,并提取六维时域特征;使用2次B样条曲线对温度信号进行插值,实现温度信号和振动信号的数量规约;使用局部线性嵌入法将振动和温度信号构成的七维特征数据集降为三维,得到多源信息融合的综合特征数据集。(3)基于上述提取的特征,提出了一种多源信息融合的变速变载滚动轴承故障预测方法。基于XGBoost算法将多源信息融合的三维综合特征用于变速变载滚动轴承的故障预测,并与使用三维综合振动特征得到的故障预测结果进行比较,验证了多源信息融合方法的有效性。(4)考虑到变速变载工况下轴承信号复杂、寿命难以估计等问题,开发了基于B/S架构的变速变载滚动轴承状态监测和故障预测系统,包含数据采集、状态监测、数据预处理、故障预测、数据管理和系统管理功能模块,该系统可实现变速变载工况下轴承时序数据的及时采集和有效处理。

基于多源数据的APP软件用户体验知识图谱构建研究

这是一篇关于APP软件,用户体验,知识图谱,多源信息融合,知识抽取的论文, 主要内容为当前,随着智能终端的快速发展和普及,APP软件作为智能终端提供服务的载体,发展迅速。针对APP软件的用户体验信息数量快速增加,基于APP软件用户体验信息挖掘有价值的APP软件用户体验,有助于开发人员有针对性地对APP软件进行开发、维护和改进。大数据背景下,APP软件用户体验信息呈现出多源异构、数量庞大、增长快速的特点。如何从多源异构的APP软件用户体验数据中全面而准确地获取APP软件用户体验知识,并对获取的知识进行组织和管理具有极大的挑战性。知识图谱作为一种利用图模型来实现信息的结构化和知识化的技术方法,其发展为多源异构数据的知识表示、知识发现和知识管理提供了可行的解决方案。现有软件用户体验研究中,大多仅针对其中一种或部分来源的软件用户体验信息进行分析,得到的软件用户体验不够全面和准确。并且对获得的软件用户体验知识大多以常规的形式进行组织和存储,存在一定的局限性,不能很好的获取和利用用户体验知识之间的关联性,较难发现知识深层次的关联和通过推理发现新的软件用户体验知识。此外,目前存在的知识图谱多为强调知识广度的全领域通用知识图谱,缺乏对知识深层次的挖掘。针对性较强的领域知识图谱,尤其是APP软件用户体验领域的知识图谱研究较少,且没有较好的构建方法。因此,针对以上问题,本文研究根据多源APP软件用户体验数据构建APP软件用户体验知识图谱的方法。论文的主要工作如下:(1)定义APP软件用户体验、APP软件用户体验知识图谱。借鉴用户体验的定义,给出了APP软件用户体验的定义,并分析了APP软件用户体验的影响因素。此外,还在此基础上定义了APP软件用户体验实体、APP软件用户体验实体关系,形成了APP软件用户体验知识图谱的概念框架。(2)提出一种基于多源信息融合的APP软件用户体验分析方法。该方法综合用户、软件、环境等影响APP软件用户体验的多方面因素,通过特征工程、特征关联性挖掘及特征组合树构建、多源数据融合等步骤,将多个来源的APP软件用户体验数据进行融合,获得具备较强关联性的APP软件用户体验数据融合结果,为实现后续APP软件用户体验知识的抽取奠定基础,并帮助获取较为全面、综合的APP软件用户体验知识。实验结果表明,本文提出的方法有效实现了多源APP软件用户体验数据的融合。(3)提出一种基于多源数据的APP软件用户体验知识图谱构建方法。该方法在融合后的多源APP软件用户体验数据的基础上,首先进行APP软件用户体验实体和实体属性的抽取,并通过语义增强的多特征联合分析挖掘APP软件用户体验实体间的关联性,抽取APP软件用户体验实体关系,完成APP软件用户体验知识的抽取;然后使用知识图谱补全技术对APP软件用户体验知识图谱进行补全和完善,最终完成APP软件用户体验知识图谱的构建。并针对构建的知识图谱进行应用分析。实验表明,本文提出的方法有效实现了APP软件用户体验知识图谱的构建。(4)根据提出的基于多源数据的APP软件用户体验知识图谱构建方法,设计并实现了一个系统原型。

多源信息融合的变速变载滚动轴承故障预测系统研究

这是一篇关于滚动轴承,变速变载,故障预测,多源信息融合的论文, 主要内容为滚动轴承作为旋转设备中重要的功能件对设备正常运行起关键作用,且现代设备逐渐趋于智能化和复杂化,使得轴承更多地处于变速变载的工况下。复杂的服役环境导致轴承的故障成为设备的主要失效形式,所以企业越来越重视变速变载下轴承的故障预测和健康管理。由于压力机中的飞轮轴承是典型的变速变载轴承,且飞轮轴承故障是压力机的主要失效形式,严重影响生产的效率和安全性,加上变速变载轴承寿命难以估计,所以为实现变速变载下滚动轴承故障的精准预测,本文以压力机飞轮轴承为背景研究变速变载滚动轴承的故障精准预测问题,以指导企业对设备中旋转零部件的健康管理,主要研究内容如下:(1)以SL4-2500A压力机飞轮轴承为例,通过压力机主传动系统的建模仿真得到飞轮轴承的变工况参数,并以飞轮轴承变速变载工况为背景,搭建了变速变载轴承疲劳寿命实验台,获得了变速变载和定速定载两种工况下滚动轴承全生命周期的振动数据集和温度数据集。(2)为了准确提取变速变载下轴承故障特征,提高故障预测精度,本文对传感器采集的原始振动和温度时序数据进行预处理。使用快速傅里叶变换实现振动信号的降噪,并提取六维时域特征;使用2次B样条曲线对温度信号进行插值,实现温度信号和振动信号的数量规约;使用局部线性嵌入法将振动和温度信号构成的七维特征数据集降为三维,得到多源信息融合的综合特征数据集。(3)基于上述提取的特征,提出了一种多源信息融合的变速变载滚动轴承故障预测方法。基于XGBoost算法将多源信息融合的三维综合特征用于变速变载滚动轴承的故障预测,并与使用三维综合振动特征得到的故障预测结果进行比较,验证了多源信息融合方法的有效性。(4)考虑到变速变载工况下轴承信号复杂、寿命难以估计等问题,开发了基于B/S架构的变速变载滚动轴承状态监测和故障预测系统,包含数据采集、状态监测、数据预处理、故障预测、数据管理和系统管理功能模块,该系统可实现变速变载工况下轴承时序数据的及时采集和有效处理。

多源信息融合的心理测量关键技术研究

这是一篇关于心理测量,多源信息融合,孤独症谱系障碍,量表智能化,虚拟现实的论文, 主要内容为智能可穿戴传感技术、虚拟现实技术、计算机网络技术、数据挖掘技术、人工智能技术等现代信息科学技术的飞速发展,使得信息科学能够与心理学的研究范式有机结合,这可以有效地改善传统的心理测量学的研究方法与研究工具,具有广阔的应用前景和现实意义。本文基于心理学科与信息科学的交叉融合,对多源信息融合的心理测量关键技术展开研究,论文的主要研究工作和成果包括:(1)分析研究并设计实现了一套普适性智能心理评估系统。本文在充分调研当前医院医疗、特殊教育、监狱管理等不同机构的心理测量工作及信息化现状的基础上,分别从需求分析、总体架构、技术架构、用户端软硬件、管理端软件等方面进行详细设计与实现。总体架构中的应用层将用户服务与管理服务部署在Pod中,借助Kubernates实现微服务治理,充分发挥了微服务在分布式系统中的优势。用户端基于C/S架构,使用Microsoft.NET Framework 4.0+Hybrid App提供丰富的心理评估内容,设计并制作了人性化硬件平台,合理配置交互、生理、行为三类传感采集装置;管理端基于B/S架构,采用Nginx+Spring Cloud+ Springboot+MyBatis+Shiro+MySQL+Redis搭建分布式后台管理系统,保证了系统可靠地运行。该系统的设计与实现,不仅增强了心理评估的客观性和有效性,还能节省施测方的人力资源和时间成本,对不同领域和机构的心理测量工作均具有一定的普适性。(2)提出了基于特征层融合的情绪心理状态P值评价方法、基于决策层融合的情绪心理状态识别方法和基于多视角模型判决融合的重度心理疾病诊断模型。本文综合比较了数据层融合、特征层融合和决策层融合三种多源信息融合策略的优势与劣势。鉴于特征层融合与决策层融合在情感心理识别领域中的优越性,本文首先提出了基于特征层融合的情绪心理状态P值评价方法,该方法有效解决了多源信息在特征层次上的融合问题,完全适用于本文提出的普适性智能心理评估系统。其次,本文提出了基于决策层融合的情绪心理状态识别方法,将基于面部表情的情绪分类器与基于语音信号的情绪分类器进行决策层融合以识别6种基本情绪状态,该方法也适用于本文提出的普适性智能心理评估系统。同时本文还将多视角概念引入基于决策层融合的重度心理疾病诊断方法中,综合重度心理疾病患者在影像数据,情感诱发下的表情、行为和生理数据,以及相关基因表达数据上与心理健康者之间的差异性,提出了基于多视角模型判决融合的重度心理疾病诊断模型,该模型能够更加全面准确地评估重度心理疾病患者的心理健康状态。(3)基于VR和量表智能化对孤独症儿童的评估展开系列研究。从广义上讲,对孤独症群体能力缺陷的评估也属于心理测量学范畴。本文研究了 ABC、ADOS-G、ADI-R、ATEC等经典孤独症儿童评估量表,针对当前国内孤独症儿童评估量表的现状,编制了中国本土化且适用于VR转化实现的《孤独症诊断与治疗评估量表(ASTRS)》初测量表。其次,将中国特殊儿童评估干预平台ALSOLIFE简化为一套基于VR的评估-训练系统框架,并以该框架中的子场景为例,创新性地提出了基于VR和ASTRS量表智能化评估的方法。最后,研究并设计实现了一个基于VR的孤独症儿童社交技能训练系统,提出了基于LTM分层提示的结构化JA训练方法和注意力分布检测方法,通过实验设计和评价指标论证了系统在评估孤独症儿童社交能力缺陷上的预期有效性。

基于多源信息融合的城市内涝模拟仿真及预警系统研究

这是一篇关于城市内涝,SWMM模拟,三维GIS平台,多源信息融合,监测预警的论文, 主要内容为随着全球气候变化和城市化进程加快,城市内涝时有发生,已严重影响人们生命财产和公共交通安全。本文以西安市主城区典型区域为研究对象,在系统梳理西安市历年内涝情况基础上,剖析了西安市内涝形成机理,构建了研究区域SWMM模型,根据内涝成因设计不同情景,基于不同情景对节点积水、管道超载等情况进行模拟,得出不同情景下内涝积水变化,为城市内涝应对提供参考。采用现代信息技术设计并研发了集监测、模拟、预警及信息展示一体化的城市内涝监测预警系统,为城市防洪减灾提供技术支撑和决策支持。本文取得的主要研究成果如下:(1)系统剖析了西安市内涝成因。强降水是城市内涝的主要致灾因子,西安市近年来内涝和强降水均发生在4-10月,通过对西安市4-10月降水变化特征及其驱动机制进行分析可知,西安市4-10月降水强度增大,强降水量增多。城市化发展改变城市用地结构,影响区域产汇流过程,采用ArcGIS对西安市市区1995-2018年土地利用变化进行分析,西安市市区草地、耕地、林地和水域面积减少,建设用地面积增加,使得地表持水、滞水及下渗能力降低,产汇流时间缩短,地表径流增多。西安市排水管网设计重现期偏低,雨水与污水管道合流,排水管道密度降低,排水设施管理水平偏低等现象,降低了城市排水能力,易造成城市内涝现象。(2)开展了基于SWMM模型的西安市内涝情景模拟。建立了研究区域SWMM模型,根据内涝成因设计了不同降雨、不同城市化发展水平和不同管网水平三种情景,进行内涝情景模拟。随着降雨重现期和城市化发展水平的提高,径流系数增大,地表径流和积水节点数增多,积水时间延长,内涝发生风险增大。在不同降雨情景中,研究区域大部分雨水管网设计重现期标准达不到3年,排水能力有待提高,0.3m管径的管道均发生超载且占超载管道比例最大,改变研究区域中0.3m管道的管径,进行不同管网水平情景下的内涝模拟。随着管径的增大,进入管道系统流量增多,溢出地表的流量减少,积水节点数和积水时间减少,内涝发生风险降低。(3)研发了基于多源信息融合的城市内涝监测预警系统。采用J2EE技术架构,基于三维GIS平台进行二次开发,融合空间地理数据、遥感影像数据、气象水文数据、防汛专题数据及其他数据,调用SWMM模型动态链接库,构建集监测、模拟、预警及信息展示一体化的城市内涝监测预警系统。系统包括内涝基础信息服务、内涝模拟仿真服务和内涝监测预警服务三个主题服务,基于系统实现内涝基础信息的查询、分析和展示,节点积水和管道超载的模拟仿真,内涝积水点的动态监测及分级预警服务,为城市内涝快速响应和科学应对提供决策支持,提高城市防洪减灾能力,降低灾害损失。