随着网络空间安全文档数量的快速增长,网络空间安全领域命名实体识别变的越来越重要。与通用领域命名实体识别任务相比,网络空间安全领域的命名实体识别面临许多挑战。例如网络空间安全实体类型多样、新词语经常作为新的实体出现并引起...随着网络空间安全文档数量的快速增长,网络空间安全领域命名实体识别变的越来越重要。与通用领域命名实体识别任务相比,网络空间安全领域的命名实体识别面临许多挑战。例如网络空间安全实体类型多样、新词语经常作为新的实体出现并引起超出词表(out-of-vocabulary,OOV)的问题。现有的深度学习识别模型(如循环神经网络、卷积神经网络)的性能不足以应对这些挑战。随着预训练模型的快速发展,它已被广泛用于许多任务中并获得了最优的表现。但是,在网络空间安全命名实体识别领域,很少有关于预训练模型的研究。本文提出了两个基于预训练pre-training of deep bidirectional transformers(BERT)模型的网络空间安全命名实体识别模型来从网络空间安全文本中提取安全实体,分别称为“First Subword Replaced(FSR)”和“Masked Cross-Entropy Loss(MCEL)”。FSR模型和MCEL模型还可以解决因BERT使用WordPiece分词器引起的子词和标签之间的不匹配问题。本文基于真实的网络空间安全文本语料库进行了充分的实验。结果表明,本文提出基于预训练的模型在网络空间安全数据集上的F1值比之前的最优模型高了1.88%。展开更多
充换电站具有电源与负荷的双重性质,分布式电源与储能的联合装置可作为稳定的电网备用电源。当配电网中发生故障时,充换电站和分布式电源的选址定容将直接影响配电网运行的可靠性。该文以带时间函数负荷权重的全网电量中断损失费为目标...充换电站具有电源与负荷的双重性质,分布式电源与储能的联合装置可作为稳定的电网备用电源。当配电网中发生故障时,充换电站和分布式电源的选址定容将直接影响配电网运行的可靠性。该文以带时间函数负荷权重的全网电量中断损失费为目标函数,考虑配电网及交通网联合约束,建立分布式电源与充换电站的协同规划模型,同时采用矩阵方法对变量进行归一化处理,最后采用Matlab进行求解。在结合交通网的IEEE-RBTS Bus 6系统主馈线F4上进行仿真,仿真结果表明,协同规划分布式电源与充换电站能够提高配电网的可靠性指标,规划方案合理。展开更多
文摘随着网络空间安全文档数量的快速增长,网络空间安全领域命名实体识别变的越来越重要。与通用领域命名实体识别任务相比,网络空间安全领域的命名实体识别面临许多挑战。例如网络空间安全实体类型多样、新词语经常作为新的实体出现并引起超出词表(out-of-vocabulary,OOV)的问题。现有的深度学习识别模型(如循环神经网络、卷积神经网络)的性能不足以应对这些挑战。随着预训练模型的快速发展,它已被广泛用于许多任务中并获得了最优的表现。但是,在网络空间安全命名实体识别领域,很少有关于预训练模型的研究。本文提出了两个基于预训练pre-training of deep bidirectional transformers(BERT)模型的网络空间安全命名实体识别模型来从网络空间安全文本中提取安全实体,分别称为“First Subword Replaced(FSR)”和“Masked Cross-Entropy Loss(MCEL)”。FSR模型和MCEL模型还可以解决因BERT使用WordPiece分词器引起的子词和标签之间的不匹配问题。本文基于真实的网络空间安全文本语料库进行了充分的实验。结果表明,本文提出基于预训练的模型在网络空间安全数据集上的F1值比之前的最优模型高了1.88%。
文摘充换电站具有电源与负荷的双重性质,分布式电源与储能的联合装置可作为稳定的电网备用电源。当配电网中发生故障时,充换电站和分布式电源的选址定容将直接影响配电网运行的可靠性。该文以带时间函数负荷权重的全网电量中断损失费为目标函数,考虑配电网及交通网联合约束,建立分布式电源与充换电站的协同规划模型,同时采用矩阵方法对变量进行归一化处理,最后采用Matlab进行求解。在结合交通网的IEEE-RBTS Bus 6系统主馈线F4上进行仿真,仿真结果表明,协同规划分布式电源与充换电站能够提高配电网的可靠性指标,规划方案合理。
