网络欺凌检测是网络空间信息内容安全的重要研究内容,也关乎青少年在线安全.针对目前网络欺凌检测方案存在的训练样本少、难以处理多义词、分类性能不太理想等问题,提出一种ELMo-TextCNN检测模型.该模型首先采用迁移学习思想,利用预训练的ELMo(embeddings from language models)生成动态词向量,不仅解决了网络欺凌样本规模小的问题,而且由于ELMo采用了双向长短期记忆(bi-directional long short-term memory,BiLSTM)网络结构,会根据上下文推断每个词对应的词向量,能够根据语境理解多义词.该模型再通过擅长处理短文本数据的TextCNN(text convolutional neural network)提取文本特征,最后经过全连接层输出分类结果.实验结果证明,提出的ELMo-TextCNN检测方法能够处理一词多义,并获得更好的分类检测效果.
以某高耸烟囱为工程背景,提出了一种预测三维烟囱涡振响应的新方法。通过该方法可有效避免复杂的公式推导与数值计算;经连续随机离散流技术(consistent discrete random inflow generation,CDRFG)模拟紊流风场,建立两种减振系统的有限...
详细信息
以某高耸烟囱为工程背景,提出了一种预测三维烟囱涡振响应的新方法。通过该方法可有效避免复杂的公式推导与数值计算;经连续随机离散流技术(consistent discrete random inflow generation,CDRFG)模拟紊流风场,建立两种减振系统的有限元模型,计算对比惯容减振系统(tuned parallel inerter mass system,TPIMS)与调谐质量阻尼器(tuned mass damper,TMD)的风致振动减振效率。结果表明:新的预测方法能较准确地预测三维烟囱的涡振响应;基于相同质量比,惯容减振系统相比TMD有更高的减振效率,但其存在质点行程过大的问题,需要在具体工程设计中加以关注。
暂无评论