摘要：本文系统梳理了生成式知识图谱构建的技术演进，从传统Seq2Seq方法到大语言模型(LLMs)驱动的全流程构建。传统生成式方法通过序列建模实现端到端知识抽取，解决了判别式方法的误差累积问题。LLMs的兴起进一步将构建范围扩展到本体工程、知识抽取与融合全流程，显著提升了自动化水平。研究对比了不同范式的优势与局限，指出当前仍面临模型同质化、跨模态能力不足等挑战，未来应聚焦架构优化、多模态扩展和智能

与之相比，SSAE-LSTM方案构建了一种二维时–空预测模型，考虑时间和位置之间的相关性，能在不破坏原始频谱数据的前提下充分提取数据的潜在特征，因此，与一维模型相比，其取得了更好的预测效果。现有的针对固定节点的预测方法不能反应高度动态的无人机频谱预测的空间变化属性。1) 考虑到无人机认知用户的快速移动特征会导致信道特性具有复杂的时间–空间依赖性，为同时捕获这两方面的频谱特征，提出一种新的基于二维时

本文提出一种基于特征选择与机器学习的跨工况故障诊断方法。针对源域中正常样本极少的类别不平衡问题，采用SMOTE过采样增加样本。在此基础上，对比了随机森林重要性排序、递归特征消除(RFE)和自编码器三种特征选择方法，并结合随机森林、支持向量机与多层感知机(MLP)三种分类器进行性能评估。

本文提出了一种基于深度学习的声音识别系统，用于森林生态保护。研究采用梅尔倒谱系数（MFCC）进行特征提取，搭建带注意力机制的残差网络（ResNetSE）模型识别鸟声、电锯声和枪声，并利用TDOA麦克风阵列实现声源定位。测试结果显示，鸟声识别率为90.2%，电锯和枪声识别率达96.6%。研究为鸟类保护提供了有效技术方案，未来将优化神经网络结构提升识别性能。项目获辽宁科技大学创新创业计划支持。

摘要：本文提出了一种融合多技术的反爬虫系统，通过整合Token验证、前端混淆、验证码、蜜罐、深度学习等技术构建防御体系。系统采用动态Token验证、请求频率限制、虚假数据混淆等策略，结合LSTM神经网络进行爬虫行为检测，并配套规则库和黑白名单机制。实践表明，该系统可有效屏蔽95%以上的爬虫访问，特别是恶意爬虫攻击。原文详细介绍了系统架构、蜜罐陷阱设计及性能优化方案。

本文提出MIEC-EWS系统，采用双光谱融合与边缘计算技术，为中小物流企业提供低成本、高可靠的安全预警方案。系统通过可见光/热红外双光谱感知（识别准确率>90%）、边缘轻量化推理（响应延迟<200ms）和云端SaaS服务，显著提升复杂环境下的风险预警能力。现场测试显示系统部署便捷（单设备≤2小时）、运维成本低（远程修复率100%），较传统方案硬件成本降低30%以上，有效解决了中小物流企

本文提出了一种基于机器学习的商业银行信贷风险评估系统，采用分层架构设计，整合K-Means聚类和随机森林算法。研究首先明确了系统功能需求（用户管理、风险评估、数据分析）和性能指标，然后以德国银行信贷数据为基础，通过K-Means生成风险标签，结合随机森林构建预测模型。实验结果显示系统准确率达96%，高风险客户召回率为98%，有效提升了传统信贷评估的准确率（70%-80%）。该系统为解决"

本研究构建了基于BERT与DeepSeek的智能舆情监测系统，包含数据采集、情感分析、可视化与报告生成四大模块。系统通过Selenium技术采集光明网等平台数据，采用微调BERT模型实现情感分类（准确率79.76%），并集成DeepSeek实现自动化报告生成。创新性地将"数据可视化-智能分析-决策支持"形成技术闭环，将传统8小时分析工作压缩至3分钟完成，为舆情监测提供了高效智能

摘要：本研究针对生产车间安全管理需求，提出基于YOLOv8算法的智能管控系统。通过构建2000张人员检测和2000个跌倒样本的专用数据集，优化网络结构设计，采用多尺度特征融合策略，实现了人员密度监测和跌倒行为识别。实验表明模型精度稳定，系统具备实时检测预警功能，为车间安全管理提供了有效解决方案。研究获江西省教育厅科技项目支持（GJJ210817），具有实际应用价值。

摘要：本文设计了一个基于大数据、物联网和云计算技术的应急救援云平台。平台采用四层架构（基础设施层、数据层、支撑层、应用层），结合B/S、C/S和分布式集群服务模式，运用Hadoop、Spark等技术实现数据实时与离线处理。平台功能包括监测预警、应急通信、智能指挥和灾后评估，为应急管理提供科学决策支持，提升突发事件应对能力。研究成果为广西高校科研项目阶段性成果。