文档级关系抽取(document-level relation extraction,DocRE)旨在从自然语言文档中识别实体间的语义关系.针对现有方法多利用部分句子作为证据,存在证据利用率低和类别不平衡的问题,提出基于优先焦点损失和证据推理融合的文档级关系抽取...文档级关系抽取(document-level relation extraction,DocRE)旨在从自然语言文档中识别实体间的语义关系.针对现有方法多利用部分句子作为证据,存在证据利用率低和类别不平衡的问题,提出基于优先焦点损失和证据推理融合的文档级关系抽取(prioritized focal loss and evidence inference fusion for document-level relation extraction,PFLEI-RE)模型,结合证据推理融合和优先焦点损失以提升性能.证据推理融合策略整合关键证据,生成伪文档,并与原文结合以增强复杂推理能力.通过引入优先焦点损失函数,以缓解类别不平衡问题,强化少数类学习.实验结果表明:PFLEI-RE模型在DocRED数据集上取得62.76的F1和60.67的Ign_F1,较基线ATLOP分别提升了1.46和1.36,验证了其有效性.展开更多
本文给出CTCS-3级列控系统中组件控制行为的形式化定义,并针对控制行为的时序关系,提出控制行为时序逻辑。以此时序逻辑为基础,给出控制关系模型的形式化定义,使用控制关系模型对列控系统中的控制行为关系进行刻画。利用深度优先搜索的...本文给出CTCS-3级列控系统中组件控制行为的形式化定义,并针对控制行为的时序关系,提出控制行为时序逻辑。以此时序逻辑为基础,给出控制关系模型的形式化定义,使用控制关系模型对列控系统中的控制行为关系进行刻画。利用深度优先搜索的方式,对系统的控制关系模型进行分析,实现STPA(System-Theoretic Process Analysis)过程中不恰当控制行为的自动化辨识。以CTCS-3级列控系统的RBC交接场景为例,使用上述基于控制关系模型的STPA方法对列控系统的功能安全进行分析。分析过程表明利用形式化的控制关系模型扩展STPA的方法适用于CTCS-3级列控系统的功能安全分析。展开更多
文摘文档级关系抽取(document-level relation extraction,DocRE)旨在从自然语言文档中识别实体间的语义关系.针对现有方法多利用部分句子作为证据,存在证据利用率低和类别不平衡的问题,提出基于优先焦点损失和证据推理融合的文档级关系抽取(prioritized focal loss and evidence inference fusion for document-level relation extraction,PFLEI-RE)模型,结合证据推理融合和优先焦点损失以提升性能.证据推理融合策略整合关键证据,生成伪文档,并与原文结合以增强复杂推理能力.通过引入优先焦点损失函数,以缓解类别不平衡问题,强化少数类学习.实验结果表明:PFLEI-RE模型在DocRED数据集上取得62.76的F1和60.67的Ign_F1,较基线ATLOP分别提升了1.46和1.36,验证了其有效性.
文摘本文给出CTCS-3级列控系统中组件控制行为的形式化定义,并针对控制行为的时序关系,提出控制行为时序逻辑。以此时序逻辑为基础,给出控制关系模型的形式化定义,使用控制关系模型对列控系统中的控制行为关系进行刻画。利用深度优先搜索的方式,对系统的控制关系模型进行分析,实现STPA(System-Theoretic Process Analysis)过程中不恰当控制行为的自动化辨识。以CTCS-3级列控系统的RBC交接场景为例,使用上述基于控制关系模型的STPA方法对列控系统的功能安全进行分析。分析过程表明利用形式化的控制关系模型扩展STPA的方法适用于CTCS-3级列控系统的功能安全分析。
