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。     

基于农林植物表型的智能喷雾机械研究进展

传统喷雾机械通常仅关注无生命的机械作业性能，而忽略了有生命的植物因素，造成喷雾机械智能化水平不高。文中在分析农林植物表型对喷雾机械设计方法和喷雾性能影响的基础上，系统综述国内外开展的智能喷雾机械研究，提出基于植物表型的智能喷雾机械设计方法研究展望，探讨分析基于农林植物表型特征参数的新型、高水平智能化喷雾机械，并指出农林植物表型技术的发展必将推动绿色智能喷雾机械的创新。     

信用卡客户分类与营销策略研究 ——以M银行为例

大数据时代的到来给我们的生活带来了巨大的变化,随着信用卡业务需求和支付场景的增多,银行投入越来越多的资源进行信用卡支付建设,但由于需求的逐渐饱和,各银行之间的竞争也越来越激烈。为了进一步获取更多的市场份额,吸引更多更忠诚的客户,银行业的精准营销理念被提出并实施发展起来。利用科技手段精准地发现客户、识别客户、维护良好的客户关系成为获胜的关键因素。研究了客户关系管理、客户细分及精准营销的相关理论,实现了数据的处理过程,基于RFM模型、k-means算法构建了符合业务需求的客户价值分类模型。将客户分为四个不同的群体,针对不同的群体采取不同的营销措施,进行差异化管理,最终达到精准营销的目的,节约营销资源和成本。     

剑麻种质资源表型多样性分析与倍性鉴定

利用常规方法结合流式细胞仪对25份剑麻种质资源叶色、叶缘刺有无、叶缘刺类型、叶顶刺类型、叶长、叶宽、叶长/宽比、叶基厚度、顶刺长、顶刺基部宽等10个农艺性状以及倍性进行了分析和鉴定,结果表明:同一种质资源内叶长、叶宽、叶长/宽比、叶基厚度、顶刺基部宽和顶刺长等变异系数分别在0.9%~13.33%、1.69%~9.13%、1.77%~7.61%、3.99%~11.62%、7.82%~14.31%、9.08%~14.84%之间,不同种质资源间变异系数分别为21.60%、13.95%、15.9%、21.48%、36.59%和30.77%。同一种质资源内叶长、叶宽、叶长/宽比、叶基厚度、顶刺基部宽和顶刺长差异不明显,不同种质资源间存在极显著差异(α=0.05)。基于10个表型性状将25份剑麻种质资源聚为3类,第一类主要包括番麻、广西76416、南亚1号、东368、蓝剑麻、普通剑麻、粤西75等7份种质;第二类主要包括桂辐4号、H.11648、东74、东27、东26和东16等6份种质;第三类主要包括东18、东2、肯3等12份种质。多变量的主成分分析显示4个主成分的特征值总和为5.84,累计贡献率达97.29%。流式细胞仪分析表明,25份剑麻种质资源中,H.11648、东2等14份种质为二倍体,东16和广西76416两份种质为三倍体,粤西75、粤西114等5份种质为四倍体,肯3和普通剑麻2份种质为五倍体,东74为六倍体,番麻为五倍体和六倍体的混倍体。以上结果为剑麻种质资源的鉴定评价提供理论依据。     

基于表型性状与简单重复序列标记的浙江省芋种质资源遗传多样性比较

为探讨浙江省地方芋种质资源的遗传多样性,并挖掘特异芋种质,对25份浙江省地方芋种质资源进行调查鉴定,对15个表型性状进行了遗传多样性分析、主成分分析、表型性状与简单重复序列(SSR)标记相结合的聚类分析。结果表明,浙江省芋种质遗传多样性丰富,变异系数与多样性指数均值分别为31.32%与0.97。主成分分析显示,前5个主成分累积特征值为10.871,累计贡献率为77.649%,主成分1反映了多子芋株型综合因子,主成分2反映了芋叶形状综合因子,主成分3反映了母芋形状综合因子,主成分4、5分别代表母芋表皮棕毛、母芋颜色因子;另外,孙芋形状、母芋芽色、叶心色斑颜色、叶柄中下部颜色、母芋表皮棕毛可作为芋种质鉴别优先观测的形态性状指标。基于表型性状的聚类在遗传距离4.171处可将所有种质分为5个类别,其中第Ⅲ类与第Ⅴ类的子孙芋形状均为卵圆,商品性好。此外,在20份多子芋中还挖掘出2份紫红柄特异芋种质。20对SSR引物在所有资源中扩增共获得53个条带,具有多态性的条带为48条,多态性比率为90.6%,多态信息含量(PIC值)为0.22~0.64;SSR分子标记聚类在DICE遗传相似系数0.721处将所有种质分为5个类别,与表型性状聚类结果有类似之处,但又有所不同。2种不同的聚类方式在芋种质资源的鉴别中具有互补作用,均表明了亲缘关系的远近与地理来源并无直接关系。上述结果将为芋种质资源进一步保护、利用与创新提供重要的理论基础。