-
题名废弃ACQ防腐木苯酚液化物合成酚醛树脂的研究
被引量：1
- 1
-
-
作者
丁方
邱盈盈
刘志高
徐战涛
张求慧
-
机构
北京林业大学
-
出处
《化工新型材料》
CAS
CSCD
北大核心
2012年第5期40-41,共2页
-
基金
北京市教育委员会共建项目
-
文摘
利用废弃ACQ防腐杉木苯酚液化物与甲醛在碱性环境中反应,进行热固型酚醛树脂合成实验;通过正交试验方法研究了单因素变量对树脂化反应的影响。得出最优化的树脂化合成工艺为:合成温度80℃,合成时间120min,氢氧化钠/液化物摩尔比(mrNaOH/P)=0.6,甲醛/液化物摩尔比(mrF/P)=2.0。在此工艺条件下制备的酚醛树脂压制的胶合板胶合强度达到1.33MPa,符合GB/T17657-1999中Ⅰ类胶合板的强度要求。
-
关键词
ACQ防腐木材
苯酚液化
树脂化
胶黏剂
酚醛树脂
-
Keywords
ACQ-treated waste wood, liquefaction in phenol, resinification, adhesive, phenol-formaldehyde resin
-
分类号
TQ323.1
[化学工程—合成树脂塑料工业]
-
-
题名面向事件抽取的深度与主动联合学习方法
被引量：6
- 2
-
-
作者
邱盈盈
洪宇
周文瑄
姚建民
朱巧明
-
机构
苏州大学江苏省计算机信息处理重点实验室
-
出处
《中文信息学报》
CSCD
北大核心
2018年第6期98-106,共9页
-
基金
国家自然科学基金(61373097
61672367
+2 种基金
61672368)
江苏省科技计划(BK20151222)
教育部-中国移动基金(MCM20150602)
-
文摘
事件抽取旨在从非结构化的文本中抽取出事件的信息,并以结构化的形式予以呈现。监督学习作为基础的事件抽取方法往往受制于训练语料规模小、类别分布不平衡和质量参差不齐的问题。同时,传统基于特征工程的事件抽取方法往往会产生错误传递的问题,且特征工程较为复杂。为此,该文提出了一种联合深度学习和主动学习的事件抽取方法。该方法将RNN模型对触发词分类的置信度融入在主动学习的查询函数中,以此在主动学习过程中提高语料标注效率,进而提高实验的最终性能。实验结果显示,这一联合学习方法能够辅助事件抽取性能的提升,但也显示,联合模式仍有较高的提升空间,有待进一步思考和探索。
-
关键词
事件抽取
深度学习
主动学习
循环神经网络
-
Keywords
event extraction
deep learning
active learning
RNN
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融合上下文依赖和句子语义的事件线索检测研究
被引量：3
- 3
-
-
作者
王凯
洪宇
邱盈盈
姚建民
周国栋
-
机构
苏州大学计算机科学与技术学院
-
出处
《计算机科学与探索》
CSCD
北大核心
2018年第3期423-431,共9页
-
基金
国家自然科学基金
Nos.61672368
+2 种基金
61373097
61672367
61272259~~
-
文摘
事件线索检测旨在从自由文本中自动抽取触发事件的词或短语。现有的英文事件线索检测方法依赖于特征提取工具,这样会造成错误传递,而且忽略了待测词与上下文的依赖关系和句子的语义信息,这些信息对事件线索检测是很有帮助的。提出一种神经网络方法,利用双向长短时记忆网络(bidirectional long short-term memory,Bi-LSTM)抓取待测词在句子中的上下文依赖,同时使用门控循环神经网络(gated recurrent neural network,GRNN)学习句子的语义表示,融合这两种信息来提高事件线索词的识别能力。在KBP 2015评测语料上的实验结果显示,该方法是有效的,并且性能比baseline方法有显著提高。
-
关键词
事件线索检测
神经网络
长短时记忆网络(LSTM)
-
Keywords
event nugget detection
neural network
long short-term memory (LSTM)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
