基于支持向量机的新闻事件类型识别

新闻事件类型识别的核心是文本分类问题,可利用模式识别或者机器学习来解决。互联网中的新闻事件种类多样,各类事件都有不同的结构特征,在自然语言中的表达方式也多种多样,基于模式识别的事件抽取难以覆盖全部的事件表达模式,识别召回率不高。本文使用机器学习方法来进行新闻事件的抽取,设计了词法、句法和语义三类不同类型的特征,并基于支持向量机实现新闻事件的类型识别。支持向量机模型适合解决自然语言这类高维数据的分类问题,能够有效捕捉不同特征之间的分类差异,具有较好的准确率和召回率。     

吉林省黑土区土壤--作物系统Cd元素转化积累研究

在吉林省黑土区系统的野外调查和土壤及玉米籽实样品采集、测试的基础上,采用地球化学分析方法及SPSS技术,研究了Cd元素的土壤地球化学特征,及其在土壤和作物籽实中的含量特征和相关性,用以揭示Cd元素在土壤-作物系统中的转化累积特征及影响因素,为粮食安全服务。研究表明：吉林省黑土区Cd元素全量高于吉林省及全国土壤背景值,但不存在污染,籽实中Cd含量低于国家安全标准。土壤中Cd元素有效态转化程度较高,受其全量控制,同时Zn、 Cu及P元素有效量对Cd转化的作用明显,偏酸性土壤更利于Cd元素的转化。玉米籽实对Cd吸收程度较低,主要取决于其自身的生物特性, Zn元素缺乏可能导致玉米籽实对Cd元素吸收增加。     

吉林省黑土区土壤--作物系统Cd元素转化积累研究

在吉林省黑土区系统的野外调查和土壤及玉米籽实样品采集、测试的基础上,采用地球化学分析方法及SPSS技术,研究了Cd元素的土壤地球化学特征,及其在土壤和作物籽实中的含量特征和相关性,用以揭示Cd元素在土壤--作物系统中的转化累积特征及影响因素,为粮食安全服务。研究表明:吉林省黑土区Cd元素全量高于吉林省及全国土壤背景值,但不存在污染,籽实中Cd含量低于国家安全标准。土壤中Cd元素有效态转化程度较高,受其全量控制,同时Zn、Cu及P元素有效量对Cd转化的作用明显,偏酸性土壤更利于Cd元素的转化。玉米籽实对Cd吸收程度较低,主要取决于其自身的生物特性,Zn元素缺乏可能导致玉米籽实对Cd元素吸收增加。