基于IEEE及国际系统工程协会(International Council on Systems Engineering,INCOSE)社区会刊,提取与基于模型的系统工程(model based systems engineering,MBSE)领域相关的167篇顶刊的关键词和摘要。采用Python及其第三方库WordCloud...基于IEEE及国际系统工程协会(International Council on Systems Engineering,INCOSE)社区会刊,提取与基于模型的系统工程(model based systems engineering,MBSE)领域相关的167篇顶刊的关键词和摘要。采用Python及其第三方库WordCloud技术,以可视化形式展示MBSE领域研究内容并对MBSE发展态势进行研究。研究结果表明,MBSE在产品研发全生命周期,应用建模技术来支持系统需求、设计、分析、验证与确认等活动,在系统架构设计方面具有重要作用,将MBSE与安全性分析、可靠性分析方法结合也是MBSE的重要研究内容;系统建模语言(system modeling language,SysML)和对象过程方法(object process method,OPM)分别是目前MBSE研究领域中最受欢迎的建模语言和建模方法;将MBSE方法与本体进行结合是规范MBSE模型表达的重要手段,将MBSE与信息物理系统、数字孪生、并行工程领域进行融合研究是MBSE的重要发展方向。所提研究为使用WordCloud文本分析技术来探索当前的MBSE研究提供了技术路线参考,有助于对MBSE的未来发展态势进行预测。展开更多
地球科学的研究成果通常记录在技术报告、期刊论文、书籍等文献中,但许多详细的地球科学报告未被使用,这为信息提取提供了机遇。为此,我们提出了一种名为GMNER(Geological Minerals named entity recognize,MNER)的深度神经网络模型,用...地球科学的研究成果通常记录在技术报告、期刊论文、书籍等文献中,但许多详细的地球科学报告未被使用,这为信息提取提供了机遇。为此,我们提出了一种名为GMNER(Geological Minerals named entity recognize,MNER)的深度神经网络模型,用于识别和提取矿物类型、地质构造、岩石与地质时间等关键信息。与传统方法不同,本次采用了大规模预训练模型BERT(Bidirectional Encoder Representations from Transformers,BERT)和深度神经网络来捕捉上下文信息,并结合条件随机场(Conditional random field,CRF)以获得准确结果。实验结果表明,MNER模型在中文地质文献中表现出色,平均精确度为0.8984,平均召回率0.9227,平均F1分数0.9104。研究不仅为自动矿物信息提取提供了新途径,也有望促进矿产资源管理和可持续利用。展开更多
文摘基于IEEE及国际系统工程协会(International Council on Systems Engineering,INCOSE)社区会刊,提取与基于模型的系统工程(model based systems engineering,MBSE)领域相关的167篇顶刊的关键词和摘要。采用Python及其第三方库WordCloud技术,以可视化形式展示MBSE领域研究内容并对MBSE发展态势进行研究。研究结果表明,MBSE在产品研发全生命周期,应用建模技术来支持系统需求、设计、分析、验证与确认等活动,在系统架构设计方面具有重要作用,将MBSE与安全性分析、可靠性分析方法结合也是MBSE的重要研究内容;系统建模语言(system modeling language,SysML)和对象过程方法(object process method,OPM)分别是目前MBSE研究领域中最受欢迎的建模语言和建模方法;将MBSE方法与本体进行结合是规范MBSE模型表达的重要手段,将MBSE与信息物理系统、数字孪生、并行工程领域进行融合研究是MBSE的重要发展方向。所提研究为使用WordCloud文本分析技术来探索当前的MBSE研究提供了技术路线参考,有助于对MBSE的未来发展态势进行预测。
文摘地球科学的研究成果通常记录在技术报告、期刊论文、书籍等文献中,但许多详细的地球科学报告未被使用,这为信息提取提供了机遇。为此,我们提出了一种名为GMNER(Geological Minerals named entity recognize,MNER)的深度神经网络模型,用于识别和提取矿物类型、地质构造、岩石与地质时间等关键信息。与传统方法不同,本次采用了大规模预训练模型BERT(Bidirectional Encoder Representations from Transformers,BERT)和深度神经网络来捕捉上下文信息,并结合条件随机场(Conditional random field,CRF)以获得准确结果。实验结果表明,MNER模型在中文地质文献中表现出色,平均精确度为0.8984,平均召回率0.9227,平均F1分数0.9104。研究不仅为自动矿物信息提取提供了新途径,也有望促进矿产资源管理和可持续利用。