建筑信息模型(BIM)以其多维模型和多源数据集成的优势,正成为推动公路设计行业创新和数字化转型的关键技术,以BIM模型作为设计交付成果已成为未来公路工程设计领域发展的必然趋势。然而,现阶段公路BIM模型的审查工作以人工手动肉眼审查...建筑信息模型(BIM)以其多维模型和多源数据集成的优势,正成为推动公路设计行业创新和数字化转型的关键技术,以BIM模型作为设计交付成果已成为未来公路工程设计领域发展的必然趋势。然而,现阶段公路BIM模型的审查工作以人工手动肉眼审查为主,存在效率低、易出错、主观性强等问题,难以适应三维数字化设计模式的审查需求。针对该问题,该文提出一种基于知识图谱的公路BIM模型自动审查方法,通过构建公路工程领域的知识图谱,涵盖公路设计标准规范、语义库、元结构等多维度知识,利用自然语言处理技术(NLP)对设计标准规范、条文的审查规则进行结构化处理,进而以IFC(Industry Foundation Classes)构件实体为对象,利用Cypher查询语言实现对公路BIM模型构件属性信息完整性、数据正确性和设计合规性的审查。结果表明:基于知识图谱技术的图数据库,可以为公路BIM模型设计成果审查提供技术方法,显著提升公路三维设计成果的质量和审查效率。展开更多
针对各行各业海量文本文档的智能合约化需求,提取文本关键数据要素是首要基础.与传统命名实体识别(Named Entity Recognition,NER)相比,合约要素提取(Contract Element Extraction,CEE)技术旨在提取泛在较长、更多样、较冗余合约要素,...针对各行各业海量文本文档的智能合约化需求,提取文本关键数据要素是首要基础.与传统命名实体识别(Named Entity Recognition,NER)相比,合约要素提取(Contract Element Extraction,CEE)技术旨在提取泛在较长、更多样、较冗余合约要素,然而目前面临着中文研究不足、对新颖大语言模型(Large Language Model,LLM)技术应用不够充分、对文本上下文关联特征感知不足等挑战.本文首先提出了新颖的上下文语义感知动态填充方法(Context-sensitive Dynamic Padding Method,CDPM)、三重注意力层和要素边缘加权损失函数模块,在不增加硬件需求的前提下,为模型提供额外上下文语义信息,增强对上下文关联特征的感知能力,从而提升基于序列标注范式的CEE训练效率.其次,融合上述模块和BERT(Bidirectional Encoder Representations from Transformers)嵌入模型构建了一种基于上下文感知的合约要素提取模型(Context-Aware Model for Contract Element Extraction,CAM-CEE),实现了面向智能合约化场景的高性能要素提取.最后,在本文自主构建的数据集以及相关公开数据集上进行了大量实验.结果表明,本文提出框架CAM-CEE在micro F1、macro F1等指标上的性能超越最佳基线模型,并具有高通用性.展开更多
随着网络业务的快速发展和网络技术的快速演进,人们对网络运维的要求也随之提高。当下的网络运维存在自动化程度不足、人才短缺,运维一致性差等问题。AI运维机器人基于NLP(Natural Language Processing,自然语言处理)技术,为运维人员提...随着网络业务的快速发展和网络技术的快速演进,人们对网络运维的要求也随之提高。当下的网络运维存在自动化程度不足、人才短缺,运维一致性差等问题。AI运维机器人基于NLP(Natural Language Processing,自然语言处理)技术,为运维人员提供极简的“对话式”运维操作,智能识别运维意图和操作对象,高效自动化执行任务,有效降低了运维人员的技术门槛,替代烦琐人工操作,有效提升了运维效率,实现了网络运维的提质增效。展开更多
文摘建筑信息模型(BIM)以其多维模型和多源数据集成的优势,正成为推动公路设计行业创新和数字化转型的关键技术,以BIM模型作为设计交付成果已成为未来公路工程设计领域发展的必然趋势。然而,现阶段公路BIM模型的审查工作以人工手动肉眼审查为主,存在效率低、易出错、主观性强等问题,难以适应三维数字化设计模式的审查需求。针对该问题,该文提出一种基于知识图谱的公路BIM模型自动审查方法,通过构建公路工程领域的知识图谱,涵盖公路设计标准规范、语义库、元结构等多维度知识,利用自然语言处理技术(NLP)对设计标准规范、条文的审查规则进行结构化处理,进而以IFC(Industry Foundation Classes)构件实体为对象,利用Cypher查询语言实现对公路BIM模型构件属性信息完整性、数据正确性和设计合规性的审查。结果表明:基于知识图谱技术的图数据库,可以为公路BIM模型设计成果审查提供技术方法,显著提升公路三维设计成果的质量和审查效率。
文摘针对各行各业海量文本文档的智能合约化需求,提取文本关键数据要素是首要基础.与传统命名实体识别(Named Entity Recognition,NER)相比,合约要素提取(Contract Element Extraction,CEE)技术旨在提取泛在较长、更多样、较冗余合约要素,然而目前面临着中文研究不足、对新颖大语言模型(Large Language Model,LLM)技术应用不够充分、对文本上下文关联特征感知不足等挑战.本文首先提出了新颖的上下文语义感知动态填充方法(Context-sensitive Dynamic Padding Method,CDPM)、三重注意力层和要素边缘加权损失函数模块,在不增加硬件需求的前提下,为模型提供额外上下文语义信息,增强对上下文关联特征的感知能力,从而提升基于序列标注范式的CEE训练效率.其次,融合上述模块和BERT(Bidirectional Encoder Representations from Transformers)嵌入模型构建了一种基于上下文感知的合约要素提取模型(Context-Aware Model for Contract Element Extraction,CAM-CEE),实现了面向智能合约化场景的高性能要素提取.最后,在本文自主构建的数据集以及相关公开数据集上进行了大量实验.结果表明,本文提出框架CAM-CEE在micro F1、macro F1等指标上的性能超越最佳基线模型,并具有高通用性.
文摘随着网络业务的快速发展和网络技术的快速演进,人们对网络运维的要求也随之提高。当下的网络运维存在自动化程度不足、人才短缺,运维一致性差等问题。AI运维机器人基于NLP(Natural Language Processing,自然语言处理)技术,为运维人员提供极简的“对话式”运维操作,智能识别运维意图和操作对象,高效自动化执行任务,有效降低了运维人员的技术门槛,替代烦琐人工操作,有效提升了运维效率,实现了网络运维的提质增效。
