随着应用需求的发展,航电系统建设的体系特征日益明显,开展航电系统体系贡献率评估成为引导其迭代更新与优化设计的关键。针对专家知识随时间积累以及蜂群、协同等作战场景变化带来的指标体系权重演化问题,提出了一种适用于航电系统体系贡献率多阶段评估的动态综合方法。基于航电系统任务能力要素,构建了体系贡献率评估指标体系,并应用粒子群优化算法实现了有效评估阶段的时间加权。与传统静态单次评估、基于熵权法(entropy weight method,EWM)的动态评估以及逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)的动态评比等对比,所提方法充分体现权重分配信息并统筹兼顾阶段时序差异,能够更准确地反映指标贡献权重和能力贡献分布等评估结果,从而为航电系统发展论证提供更可靠和更灵活的决策方法支持。
恶意评论识别本质上是一个文本分类的问题。相较传统的文本分类，恶意评论往往伴随着表达方式更微妙且随意的特点，使得传统文本分类网络识别精度不高、识别效果不好，无法达到需求。为解决上述问题，本文提出一种结合交叉注意力机制的双通道文本分类网络（Two-channel text classification network combined with cross-attention mechanism, CA2TC）。该模型同时使用图卷积神经网络（Graph Convolutional Network,GCN）和双向长短期记忆网络（Bidirectional Long Short-term Memory, BiLSTM）获得两种不同的文本上下文特征信息，两种不同的特征信息可以从多个角度更好表达文本的含义。提出的交叉注意力机制对双通道提取的文本特征进行精炼并融合。最后将精炼特征拼接后经全连接层再送入softmax进行分类。本文采用微博收集的恶意评论数据对提出的方法进行实验验证。实验结果表明，与一些主流的分类模型相比，提出的模型识别效果更优，分类精度较主流分类模型相比提高1.06%至2.89%。CA2TC模型能够充分提取恶意评论文本特征，从而有效识别恶意评论。
暂无评论