本发明公开了一种铁水沟槽防溅除尘装置，其特征在于包括铁水槽和至少一段防溅罩，防溅罩设有沿铁水槽伸展的截面整体呈倒U形的外罩，外罩两侧下沿分别连接有内沿和外沿，两外沿分别连接有纵向边梁，两纵向边梁间至少通过两根连接在外罩外侧的大致呈倒U形的横梁连接，衡量上连接有扳手，一侧横梁通过铰链与插入地面固定的桩钎连接，外罩两端分别连接有整体呈倒U型的端板，外罩内设有边缘与内沿和端板连接内侧金属网，金属网上连接向内的弹性钢丝，外罩上设有向上伸展后再向远离铰链一侧的斜上方伸展的排风管，排风管连接有活动对接环，活动对接环对接连接有和引风管连接的固定对接环；本发明可以创造更好的工作环境。

本发明涉及医学图像处理技术领域，特别涉及一种基于骨架拓扑结构的血管模拟重建方法，包括：利用终端节点和分支节点间的骨架点，通过拟合获取血管的骨架线；利用体素的大小，计算出各血管段的长度；并根据骨架线获取血管垂直截面，并获取有效面积，从而计算出等效半径；并根据所述血管段的长度和所述等效半径模拟血管；本发明利用了分割血管的图像空间和物理空间的关系，使之更好的构建骨架分支点之间和其它骨架点的关联关系，提高图像测量血管段长度和血管半径的有效性和精度；相对于传统的医学图像血管段测量方法，本发明更为自动化以及有更佳的测量结果。

本发明涉及一种基于数据库与神经网络的车机自然语言人机交互算法，属于自然语言数据处理领域。该算法通过建立数据库、文本训练、文本测试和数据库补充四个步骤得到车机系统人机交互结果。采用建立数据库的方法将尽可能的人机交互中涉及的文本信息尽数收集分类，建立层层递进的子数据库。将用户说出的语言信息进行数据库匹配，重重匹配递进找到最终的匹配结果输出。若数据库匹配失败，深度置信神经网络将作为支撑进一步得到最终结果。本发明不仅提高了文本语言交互的多样性，同时还增加了交互反馈的准确性，增加用户体验，解决了目前车机操作中只能以单一指令控制车机操作系统的不友好现象，同时通过不断地判断与补充，提高指令反馈的准确性。

本发明涉及一种基于相关冗余变换与增强学习的多维度智能房车协同控制方法，属于物联网领域。该方法围绕智能商务旅居房车统一设备连接协议、共享设备接口、提高系统集成度的自主协同控制需求，利用基于POMDP模型和深度增强学习的自主控制引导策略，采用多维度智能融合得到的控制状态作为计算机控制系统的输入，建立POMDP模型以感知、适应、追踪设备控制状态的变化，采用基于深度增强学习的策略优化方法来选择最佳行动策略，实现商务旅居房车的自主协同控制。本发明不仅有利于最终决策的有效性与实时性，同时提高了交互反馈的准确性与策略的学习优化程度，提升用户体验。

本发明涉及一种基于自然语言处理的林业生态环境人机交互方法，属于神经网络领域。该方法采用知识图的方法对林业生态环境中的自然语言的实体进行推理，使知识推理转化为通过构建深度神经网络处理自然语言问句的问题，从而找到对应关系，表示学习下的知识图深度学习推理，得到相应的结论。本发明在深度学习中引入知识图的概念，在构建知识图的基础上，将浅层语义理解结果注入知识图，通过相应的知识推理获得较为深层的语义理解。该发明解决林业生态环境中语音、文本信息交互问题，使多模态交互设备实现林区导航、局部天气咨询、生态保护宣传、景点推送等互动功能，改善用户体验效果。

本发明涉及一种面向中国移动智能客服的动态扩展知识图推理方法，属于人工智能技术领域。该方法包括：表征学习下的三元知识图构建；限界技术下的知识图Top‑k查询技术；单一业务类型多轮对话场景知识推理；跨业务类型多轮对话场景新语义挖掘。本发明为用户提供了有效应答交互的自然语言信息，满足智能客服多轮对话需求。

本发明涉及一种基于状态跟踪与策略导向下的移动客服对话管理方法，属于隐马尔科夫模型与神经网络对自然语言处理的领域。该方法通过构建POMDP模型，结合设计深度增强学习的问题引导策略优化算法，实现对话状态实时跟踪，对下一对话结果及时预测，给出预测对话策略，并根据策略优化算法，得出最佳对话策略方法，推导出最优对话预测结果。本发明不仅节约了大量的人工成本提高了客服对话的工作效率，同时还为用户提供了更为便捷的服务体验，提升服务质量。

本发明公开了一种可以搅动、疏松和打散垃圾的搓齿炉条管式炉的垃圾热解气化处理方法。搓齿炉条管式炉包括工作底板、支撑架、热反应管、发热炉，所述热反应管内固定有固定横梁，所述固定横梁上沿横向布置安装有活动炉条组、固定炉条组，所述工作底板上安装有用于驱动各活动炉条沿纵向移动的驱动装置。方法包括以下步骤：步骤1：称取生活垃圾并将其放入进料口，然后封闭进料口；步骤2：启动发热炉，预热热反应管；步骤3：启动驱动电机，将垃圾送入热反应管中热解、气化；步骤4：控制反应温度为650℃—850℃，使生活垃圾在缺氧或无氧条件下热解气化，过量空气系数控制在0～0.8的范围内。

本发明涉及一种基于多任务学习的问答方法，属于人工智能领域，包括步骤：S1：为每个任务配备特定于任务的siamese编码器，将预处理后的句子编码为分布式向量表示；S2：利用一个共享的表示学习层在不同的任务之间共享高级信息；S3：特定于任务的softmax层分类，对于第k个任务中的问答对及其标签最后的特征表示形式被输入特定于任务的softmax层进行二进制分类；S4：多任务学习：训练多任务学习模型，使交叉熵损失函数最小化。本发明利用从不同角度学习到的多视图注意力，使这些任务能够相互作用，学习更全面的句子表示，多视角注意方案还可以有效地从不同的表征视角收集注意信息，提高表征学习的整体水平。

本发明请求保护文景转换中基于词典的名词可视性标注方法、介质及系统、介质及系统。该方法包括：步骤一，构建名词的可视化结构；步骤二，从可视化角度和实体角度分别对名词进行分类；步骤三，分析名词一般分类和可视性分类的关系，形成名词的可视性判别规则；步骤四，根据可视性判别规则，构建名词可视性词典；步骤五，依据名词可视性词典判别名词的可视性，并对名词进行可视性标注。本发明解决了当前文景转换研究中名词可视性分析以及名词可视性标注的问题。