基于伪语义相似度模型的中文地址匹配方法

地址匹配中,由于传统相似度模型受字符重叠数影响大,在处理简写、缩写地址要素单元时,错误匹配问题突出;深度学习方法需要大量样本支撑,但庞大的数据量和多样的形式,导致生成样本的成本过高。为解决上述问题,本文首先应用基于条件随机场和双向长短时记忆神经网络的模型,对地址进行分词;然后通过建立一种伪语义相似度,对地址要素进行分级匹配。通过对公安业务中地址数据进行测试,在对缩写、简写等不规范地址描述方面,本文模型能较理想地完成任务,各参考指标均高于0.9。     

基于偏最小二乘算法的ＢＤＳ－２／ＢＤＳ－３卫星钟差短期预报

针对机器学习算法在卫星钟差短期预报应用中训练数据量最佳确定、算法有效性评估研究较少的问题,以 武汉大学ＩＧＳ数据中心连续１５ｄ３３颗事后ＢＤＳ－２／ＢＤＳ－３精密卫星钟差产品为例,基于钟差相位数据的偏最小二乘 （ＰＬＳ）、基于钟差相位数据一次差分的偏最小二乘（ＤＰＬＳ）、长短期记忆网络（ＬＳＴＭ）模型进行了ＢＤＳ－２／ＢＤＳ－３卫星 钟差短期预报。实验结果表明：首先,选择第１５天数据为测试样本,前１４天距第１５天最近的连续ｎ　ｄ数据为训练 样本时,ｎ 为８时,ＰＬＳ模型预报性能达到最优;ｎ 为１、３、８时ＤＰＬＳ预报性能达到相对最优;ｎ 为１１时ＬＳＴＭ 预报 性能最优;ＰＬＳ、ＤＰＬＳ模型的预报效率较优,而ＬＳＴＭ 预报效率较差,最大预报耗时分别为０．２５ｓ、０．９０ｓ、 １９８．６５ｍｉｎ;随着测试样本的增加,ＬＳＴＭ 模型的预报耗时显著增加,而其他两个模型预报耗时基本没有变化;其次, 连续１４ｄ的短期预报（当前１天为训练样本,后１天为测试样本）结果表明,ＤＰＬＳ较ＰＬＳ与ＬＳＴＭ 模型,６ｈ预报时 长下,均方根误差（ＲＭＳ）分别提升了３１．２６％、３９．６６％,极差（Ｒａｎｇｅ）分别改善了２６．３４％、４０．３０％,２４ｈ预报时长 下,ＲＭＳ分别提升了３３．４８％、４２．６８％,Ｒａｎｇｅ分别改善了２９．７７％、４２．９５％。     

南海《更路簿》“遗产化”的路径和机制

“遗产化”是一个动态复杂的社会过程。基于在海南省琼海、文昌两市的田野调查,采用“自上而下”和“自下而上”相融合的研究路径,分析手抄南海航行路线指南《更路簿》“遗产化”路径和影响机制,以及交织在其中的复杂社会关系和地方影响因素。研究表明：“他者”和海南渔民在《更路簿》“遗产化”过程中会产生相互作用,其作用力量强于“我者”;《更路簿》由渔民家庭内部相传的用于出海作业的“秘本”转为公共领域的具有主权物证价值的“文化遗产”,渔民被赋予了南海“发现者” “经营者”的身份标签;文物收集和文化活动推进了“遗产化”并使不同群体产生互动,“我者”可在“他者”开展的遗产工作中干预“他者”的遗产认知和行为方式;《更路簿》可转化为旅游资源,但尚未形成强有力的“卖点”带动旅游业,居民在利用其带来的经济机会方面处于弱势;“遗产化”有助于《更路簿》记忆的复现和保存,但渔民的“个体记忆”被削弱,也使地方文化结构被重构;《更路簿》在琼海的植根性和“遗产化”效果强于文昌。     

被拐儿童记忆地图模式及其影响因素

拐卖儿童犯罪屡禁不止,备受社会和学界关注。地理学视角下的已有研究多注重宏观区域定量分析,缺少基于寻亲成功案例聚焦被拐儿童的微观定性分析,尤其对被拐儿童记忆空间与记忆地图的探究不足。文章基于从“宝贝回家”公益平台提取的典型案例,综合运用文本分析、认知地图分析、案例分析等方法,探索寻亲成功的被拐儿童记忆地图模式及其影响因素。结果表明：1）被拐儿童记忆内容由地方性知识、家庭性知识和个体性知识3部分构成。其中,地方性知识包括儿童家乡的自然物理环境与社会文化环境要素;家庭性知识包括儿童原生家庭成员信息、亲缘关系等要素;个体性知识包括儿童自身体貌特征、失踪时穿着等要素。2）被拐儿童记忆空间形成于其日常活动空间,是地理空间与人文情感的结合;随着儿童年龄增长和时代变迁,儿童记忆空间要素产生变化,形成不同阶段不同时代的独特个体记忆,儿童生活环境的变化易塑造混合复杂的记忆空间。3）被拐儿童记忆地图根据其记忆内容及记忆要素类型分为多要素混合式记忆地图（依托多种感官、多要素定位家乡区域）、空间化布局式记忆地图（即手绘完整地图,具有空间性和尺度性）、单要素主导式记忆地图（即以地标和地名为关键要素）3种模式。4）儿童对其日常活动中频繁接触的场所会留下较为深刻印象,家乡环境中独特形状的道路、水域更易使儿童产生记忆,成为寻亲过程中的重要促进因素;地名、方言、习俗组合与地名、地标组合成为寻亲成功的关键要素组合。     

流动中的地方记忆：南海渔民的流动性与集体记忆建构

渔民是天然流栖性群体,不仅需要关注其流动性时空规律,更要关注其流动过程中所产生的社会文化意涵。文章从流动性与集体记忆视角出发,选取海南省东部典型渔村为案例地,通过访谈深入理解渔民在流动中的地方记忆建构,主要从流动、停泊、定居的3种不同状态归纳渔民流动中的时空盈缩、物质条件和流动路径节点,从时间、地方和权力三要素探讨渔民集体记忆的形成。研究发现：1）渔民跨界流动具有动态盈缩的特点,经历了从民间自觉到官方规范,从渔业生产到商渔复合,从局地到广域再到局地的动态过程。2）渔民的流动状态和过程赋予海洋以地方特性。人船组合拓展渔民自主流动的能力,“陆—海—岛”流栖空间中的地物和景观凸显集体记忆的物质依赖性。3）随着生产生活方式变迁,代际更迭削弱了原有的人海关联,流动资源的分配不均导致集体记忆结构性消退,渔业村镇的全球—地方的跨区域色彩逐渐被剥离,回归到同质化的域内流空间。     

一幅穿越2000年的地图

广州古城的具体范围有多大？有哪些曾经标志性的建筑已经湮没在岁月中？又有哪些历史建筑仍然伫立？经过近一年的打造,越秀区旅游局目前推出首张“广州城市记忆地图”,一图在手,将带你穿越广州两千多年历史,重塑对老广州的记忆。     

基于LSTM神经网络的青藏高原月降水量预测

青藏高原的降水量预测不仅为该地区水资源合理规划利用提供依据,同时对中国及周边国家气候变化研究有着重要的意义。论文利用1990—2016年青藏高原降水量数据,采用长短期记忆神经网络（LSTM）对青藏高原月降水量进行预测,主要包括：① 使用青藏高原86个测站1990—2013年的月降水资料,预测各个测站2014—2016年的月降水量,并与传统的RNN、NAR、SSA和ARIMA预测模型相比,平均决定系数R²分别提高了0.07、0.15、0.13和0.36,均方根误差（RMSE）和平均绝对误差（MAE）表现更低;② 分析了降水量预测精度的空间分布特征,将各模型的R²在青藏高原地区内插值,分析R²的空间分布特征,发现所有模型降雨稀少的干旱地区和降雨多的湿润地区R²较低,在气候稳定、降水规律性明显的地区R²较高,且LSTM模型R²≥0.6的空间范围远大于传统模型;③ 分析了不同预测长度对各模型预测精度的影响,发现所有模型会随着预测长度增加而预测精度降低,但在不同的预测长度下LSTM预测的RMSE值都低于其他模型。     

科技看点

<正>记忆Psychology"多任务"型头脑你具备同时使用多种媒体的能力吗?想象一下这个画面:你正在浏览博客,同时电脑上的播放器正在播放音乐;电视开着,你需要时不时地关注下足球比当你同时做3件事时,你是焦头烂额,还是游刃有余?     

融合相空间重构和深度学习的径流模拟预测

发展对数据依赖程度低、快捷实用和精准的模拟预报技术,可为资料缺乏地区径流模拟预测提供有效的解决办法。从数据驱动的角度,提出一种融合相空间重构(PSR)和长短期记忆神经网络(LSTM)的径流预测复合模型PSR-LSTM,在国内外不同气候分区的10个流域(站点)进行验证。结果表明：PSR-LSTM能够提取水文变量的多维子空间特征,并较好预测不同时间尺度的径流变化过程;相较于LSTM,PSR-LSTM预测未来1、3、5、7、9时间步长的纳什效率系数在10个流域平均提高1.49%～9.77%,均方根误差平均降低17.01%～19.72%,对训练数据量的依赖程度相比LSTM降低25%～33%。研究成果可为广大资料短缺流域水文过程模拟和预测提供参考。