基于信息抽取的食品安全事件自动问答系统方法研究

针对从海量食品安全事件新闻报道中很难抽取出所需答案的问题，以食品安全事件语料库为研究对象，提出了一种基于信息抽取技术的自动问答系统。首先，利用深度学习模型TextCNN对用户输入的问题进行分类，得到其所属类型。其次，对于输入问题，借助Lucene搜索引擎找到其最佳匹配文档。再次，根据输入问题的类型，从食品安全事件数据库（采用信息抽取技术自动提取的一个结构化数据库）中筛选出该文档所包含的答案候选句集合。最后，利用深度学习模型Bi LSTM及基于答案候选句上下文的特征提取方法构建一个答案抽取模型，该模型能从给定的答案候选句集合中提取出最终答案。为检查基于食品安全事件数据库的答案候选句筛选方式及基于答案候选句上下文的特征提取方式对整个自动问答系统性能的影响，进行了多种比较实验，结果表明含有基于食品安全事件数据库的答案候选句筛选方式和基于答案候选句上下文的特征提取方式的问答系统表现最佳，其回答准确率达到44%。这相比于传统的问答系统，具有明显的优势。     

基于Citespace的大学生学习投入研究可视化分析

以中国知网(CNKI)中2009—2018年间"大学生学习投入"或"本科生学习投入"为主题的520篇文献为研究对象,运用CiteSpace工具对相关文献数据的发表年份、研究机构、关键词等进行可视化分析,探讨当前大学生学习投入研究现状及热点,以期为未来大学生学习投入方面的研究提供借鉴。研究得出结论:国内学者对大学生学习投入领域的关注度不断增加,关于大学生学习投入研究的文献数量总体呈上升趋势;国内该领域相关学者较多,但高产出作者相对较少;高等院校教育科学研究院是大学生学习投入研究的重要科研平台,各机构间合作较少;学者对大学生学习投入的研究主要集中于对学习投入、专业承诺、学习收获、专业认同等的研究。     

4种荒漠植物种子出苗和幼苗生长对沙埋深度的响应

通过室内试验测定了黑果枸杞、沙冬青、沙蒿、霸王4种荒漠植物的种子生理特征以及沙埋深度（0、1、2、3、4、5 cm）对4种荒漠植物种子出苗及幼苗生长的影响。结果表明，体积较大的沙冬青和霸王种子萌发率与其重量、含水量、形状及活性间存在正相关关系；体积较小的黑果枸杞、沙蒿萌发率与种子重量、含水量、形状之间为正相关关系，与种子活性负相关。随着沙埋深度增加，4种植物种子出苗率下降、首次出苗时间延迟，茎高、绝对株高和根长及根冠比总体呈先增大后减小的趋势；幼苗生长方面，黑果枸杞和沙蒿分别适宜于1～2、0～1 cm的浅层沙埋，均在沙埋深度5 cm时种子几乎不萌发；沙冬青、霸王则适宜于3～4 cm较深层沙埋，在沙埋0 cm时均不萌发。此外，在荒漠区采用这4种植物进行植被恢复时，除考虑种子自身性状外，还应充分考虑当地的沙埋、降雨等条件，以提高出苗率、增大幼苗定植率。     

网络与课堂混合模式下大学英语听力合作学习模式探讨

随着我国信息技术的迅猛发展,基于互联网开展学习已成为人们重要学习方式之一。网络技术的出现为大学英语教学带来了新的机遇与挑战,构建网络与课堂混合听力教学模式是为了进一步提升大学英语教学效率与质量,达到最佳学习效果。本文以大学英语听力课堂教学为基础,探析基于网络环境下大学英语听力合作学习模式的构建及学生学习能力的培养,将网络与课堂相结合的教学模式,以优化学生学习环境,提升教学质量与效果。     

深度贫困地区旅游业发展与经济增长互动关系研究——以甘肃临夏州为例

以典型深度贫困地区甘肃临夏州为例,选取2001～2017年旅游业发展和经济增长相关数据,利用协整检验、Granger因果关系检验和误差修正模型来考察深度贫困地区旅游业发展和经济增长之间的互动关系。结果显示,甘肃临夏州旅游业发展和经济增长之间呈现显著正相关,具有长期稳定的均衡关系且存在双向的Granger因果关系:旅游业的发展有助于带动甘肃临夏州经济增长,而经济增长反过来又会拉动旅游业发展。据此提出强力推进甘肃临夏州旅游业实现跨越式发展的政策建议。     

广西西北喀斯特不同植被不同土层的土壤颗粒有机质

以广西西北喀斯特地区不同植被(草丛、灌丛、原生林)生态系统表层(0～10 cm)及深层(70～100 cm)土壤为研究对象,采用热裂解–气相–质谱(Pyr–TMAH–GC/MS)技术,研究不同植被表层与深层土壤颗粒有机质(POM)的变化特征。结果表明:表层土壤的pH值、有机碳、总氮、总磷、碱解氮、速效磷和速效钾含量均随植被的正向演替呈上升趋势;草丛表层土壤的有机碳、总磷和碱解氮含量均显著高于深层土壤的(P0.05);灌丛表层土壤的有机碳、总氮、总磷、碱解氮、速效磷和速效钾含量均显著高于深层土壤的(P0.05),灌丛表层土壤的pH值和总钾含量显著低于深层土壤的(P0.05);原生林表层土壤的总磷、速效磷和速效钾含量显著高于深层土壤的(P0.05);随着植被的正向演替,土壤POM总量呈增加趋势,表层土壤POM总量显著高于深层土壤的;土壤POM热裂解产物类型主要有木质素类、酚类、芳烃、多环芳烃及脂类化合物,木质素类化合物仅存在于表层土壤,稠环芳烃(此处指除萘和茚外的多环芳烃)占比则随植被的正向演替呈下降趋势;植被显著影响POM总量和POM热裂解产物中对羟基苯基、稠环芳烃、脂肪酸、正构烯烃、萘、氰的占比,土层深度显著影响POM总量和POM热裂解产物中对羟基苯基、愈创木基、丁香酚基、茚、脂肪酸、酮、苯、烷基苯、酚类和氰的占比,植被与土层的交互作用显著影响POM热裂解产物中对羟基苯基、萜烯和脂肪酸的占比;POM总量与有机碳、总氮、总磷、碱解氮、速效钾和速效磷含量呈显著正相关,与容重和总钾含量呈显著负相关,稠环芳烃与有机碳、总氮、总磷、碱解氮、速效磷和速效钾含量呈显著负相关,且碱解氮和pH值显著影响POM化合物组成。可见,在喀斯特地区,土壤POM含量能反映土壤中潜在活性养分含量,可作为喀斯特地区评价不同植被恢复对土壤有机质库及土壤质量动态变化影响的敏感指标。     

基于卷积神经网络的小麦产量预估方法

小麦产量是评估农业生产力的重要指标之一,针对小麦产量人工预估困难,提出将卷积神经网络运用于小麦产量预估,为农业生产力的预估提供参考,指导农业生产管理决策。利用无人机分别在河南省新乡、漯河两地进行图片采集,并以之构建麦穗数据集,分为正样本(麦穗)和负样本(叶子和背景)。针对小麦常规的生理形态和生长环境,设计卷积神经网络识别模型,以图像金字塔构建多尺度滑动窗口,以非极大值抑制(NMS)去除重叠率较高的目标框,实现对单位面积内麦穗的计数,并利用随机采样的方式对大田麦穗进行单位面积图像采样,以采样图像中麦穗数量的平均值作为产量预估基准,进一步实现麦穗产量预估。随机抽取100幅不同小麦图片进行测试,与人工计数结果进行对比,准确率达到97.30%,漏检率为0.34%,误检率为2.36%,误差率为2.70%。试验结果表明,此方法能够克服环境中的多种噪声干扰,能够在不同光照条件下对麦穗进行计数和产量预估。