期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于网络资源的震后应急处置灾情信息可视化平台研究与实现 被引量:1
1
作者 丁宸炀 黄猛 +1 位作者 任玺睿 邵文博 《信息技术与信息化》 2024年第2期168-171,共4页
地震应急工作中及时获取各类地震应急处置信息并直观展示,对震后抗震救援工作十分关键。随着信息技术的快速发展,震后网络资源中的各类灾害信息会随着时间变化呈现几何式增长且动态变化,但由于以上处置信息具有文本较长、语义内容繁杂... 地震应急工作中及时获取各类地震应急处置信息并直观展示,对震后抗震救援工作十分关键。随着信息技术的快速发展,震后网络资源中的各类灾害信息会随着时间变化呈现几何式增长且动态变化,但由于以上处置信息具有文本较长、语义内容繁杂散乱等特点,传统事件信息抽取方法在复杂长距离文本中的多类型事件抽取中容易出现嵌套实体和上下文语义复杂不明确的问题,从而影响到整体事件论元抽取的准确性。针对以上问题,采用基于Python的Selenium自动化技术+APScheduler定时模块进行数据多时段获取自动化获取,以近10年的历史灾情信息构建灾情信息语料库,并构建基于机器阅读理解框架,结合BiGRU网络的多轮问答式地震应急处置灾情信息抽取模型,对各类地震应急处置事件进行论元抽取。为了方便展示,基于WEBGL技术+VUE+PHP技术开发了地震应急处置灾情信息平台,在2023年多次地震的应用中,所提出的平台模型计算快速准确,为震后应急救援工作提供信息辅助。 展开更多
关键词 地震应急处置灾情信息 机器阅读理解 事件抽取 信息可视化
在线阅读 下载PDF
基于时间序列的校园网络流量分析 被引量:1
2
作者 谢颖瑶 黄猛 +1 位作者 田累积 任玺睿 《信息技术与信息化》 2024年第6期181-186,共6页
准确分析校园网络的使用趋势和及时检测网络异常,是众多高校校园管理者提高网络资源利用率和应对网络故障做出判断和响应的关键。使用STL季节性分解算法对网络流量数据原始时间序列进行分离,获得长期趋势、季节差异和短期波动特征,分析... 准确分析校园网络的使用趋势和及时检测网络异常,是众多高校校园管理者提高网络资源利用率和应对网络故障做出判断和响应的关键。使用STL季节性分解算法对网络流量数据原始时间序列进行分离,获得长期趋势、季节差异和短期波动特征,分析校园网络使用情况。同时,将季节性分解算法与ARIMA模型相结合,建立SARIMA模型,通过获取某高校8个月的168万条校园网络数据,建立适应动态特征网络流量变化的复杂时间序列模型,对未来可能的网络流量值进行预测,当预测值与真实值的差值过大时,视为流量出现异常,产生网络预警信息。 展开更多
关键词 时间序列 校园网络流量 季节性分解算法 SARIMA模型 异常检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部