蒙脱石是地表最为常见的一种粘土矿物，层间阳离子交换是蒙脱石矿物的基本属性之一，并因此而成为被广泛应用的矿物材料.通过研究钠基蒙脱石（两层水状态）的阳离子交换特征，在分子层次上探究了K+，Mg2+，Ca2+，Ba2+从环境溶液进入蒙脱石层间并与Na+离子的交换行为.模拟结果显示不同离子交换量顺序为：Ba2+>Ca2+>K+>Mg2+，即水化能力弱的阳离子更容易和层间Na+离子发生交换；离子的水化能力还与其在蒙脱石层间的空间分布密切相关，水化能力最强的Mg2+离子远离蒙脱石表面而倾向于出现在层间区域的中间，Ca2+与Ba2+离子则部分出现在结构层表面四面体取代位置；K+离子的分布具有特殊性，被紧缚在硅氧烷六元环中央空穴处.阳离子进入蒙脱石层间是自由能下降的过程，进入层间的阳离子活动性远低于孔隙流体中的离子，其中Ba2+离子的自扩散系数最低.本文在原子层次上揭示的蒙脱石阳离子交换动力学过程有助于加深对粘土矿物?流体相互作用机制的理解.
来利山锡矿位于三江成矿构造带南端，是滇西地区著名的锡多金属矿床之一.应用成因矿物学与找矿矿物学的理论和方法，对该矿主要矿石矿物锡石进行了标型特征研究.结果表明：自成矿早期至成矿晚期，锡石的结晶习性由锥面发育向柱面发育演化，锡石热电导型由P?N型向N?P型逐渐过渡.锡石阴极发光条件下显示出的环带构造可能与U，Th等元素含量有关.其中，淘金处矿段锡石与老熊窝矿段、三个硐矿段锡石的晶形、大小、长宽比等有明显不同，淘金处矿段锡石环带最为发育，且热电性以P?N型为主.综合认为淘金处矿段成矿温度高于老熊窝和三个硐矿段，抑或淘金处矿段即是该矿区成矿热液活动中心.因此淘金处最具找矿潜力.这个研究成果为探讨成矿物质和热液来源及进一步找矿勘查提供了科学依据.
辽宁五龙金矿位于营口?宽甸古隆起的南部，鸭绿江成矿带西北侧.该矿的主要载金矿物为黄铁矿，针对m2?3，m2?6和m4?2矿脉黄铁矿标型特征的系统研究表明：其黄铁矿的S/Fe为1.90~1.98，属亏硫型；在-454~-609 m标高范围内ω(Fe)/ω(S+As)为0.888~0.908，微量元素(As+Sb+Se+Te)组合、(Ag+Cu+Pb+Zn)组合和(Co+Ni+Ti+Cr)组合在-530 m标高以下具有首尾晕显著叠加同步增加的变化；成矿延伸指数（γ）变化为29.5%~64.5%，呈现波动式变化，且在-609 m标高出现明显折返趋势，表明-454~-609 m标高范围属于矿床的中上部位；此外，黄铁矿出现率平均为81.28%，垂向上呈“S”型波动，-609 m标高P导型出现率在80%以上，并有下延增大趋势，同样说明在-609 m标高下部仍具较好找矿潜力.矿石中微量元素Ag,Cu,As,Pb,Bi高值区相互叠加，在南部-609 m标高处见有两处高值叠加区向下尚未闭合，暗示有向下延伸的趋势.综合认为南部矿体向下找矿前景更大.
钙华是泉水出露地表时因压力下降导致CO2大量逸出而形成的碳酸盐沉积，可形成独特的地表景观.由于泉水常位于构造活动带，频发的地震、滑坡等自然灾害导致钙华沉积垮塌、独特地貌破坏，泉华景观的快速修复成为亟需技术.针对这一需求研究制备钙华预制块用于原位泉华筑坝，实验分析了20 MPa压力成型的预制块在静水环境下的离子溶出行为及碳酸钙晶体特性.结果显示：胶连剂组和20 MPa组的pH在第4 d后稳定，分别约为12.53和12.30，EC(Electrical Conductivity)值第4 d后上升趋势减缓，结合碳酸相图和钙相分布确定，20 MPa组液相中离子主要为Ca2+，OH-和
沙三段烃源岩是渤南洼陷的主力烃源岩.为了研究该套烃源岩不同发育区的地球化学特征，建立区域沉积环境和地球化学特征之间的关系，筛选伽马蜡烷指数、C35/C34藿烷、C29/C30藿烷、Ts/Tm等地化指标进行对比，分析了渤南洼陷沙三下烃源岩沉积环境的横向与纵向差异性以及各类沉积环境与地化参数的关联性.研究认为，纵向上由早期还原性半咸水深湖相到晚期微咸水半深湖相的变化沉积序列，具有伽马蜡烷指数、C35/C34藿烷、C29/C30藿烷降低，Ts/Tm增大的特征；横向上以沙三段13砂组为例，结合不同区的沉积环境，划分了微咸水陆源相、半咸水混源相、半咸水深湖相、微咸水混源相四种沉积有机相，各沉积有机相的地化指标的高低与岩相、水体环境等具有明显的相关性.通过研究建立了较为明晰的沉积环境?地化特征对应关系，为开展精细油源对比提供依据.
孔隙度是油藏储层特性评价的重要指标，储层岩石组成成分不同，其孔隙结构也相应存在差异.研究沉积相对孔隙度影响这一重要因素，提出一种基于相带划分的孔隙度预测方法，首先利用阻抗数据、采用k?means聚类方法进行沉积相估计，获得储层的相带空间展布特征，然后对不同相带使用岭回归的方法对孔隙度进行预测.与其他方法相比，该方法较好地解决了因岩石物理特性意义不明确而造成的预测中的多解性问题，提高了预测准确度.使用实际区块油藏数据对该方法进行了实验验证，实验结果表明，该方法可以有效融合地质信息，预测稳定性高，受人为因素影响小，预测的符合度明显高于支持向量回归等其他方法.
电子病历实体识别是医疗领域人工智能和医疗信息服务中非常关键的基础任务.为了更充分地挖掘电子病历中的实体语义知识以提升中文医疗实体识别效果，提出融入外部语义特征的中文电子病历实体识别模型.该模型首先利用语言模型word2vec将大规模的未标记文本生成具有语义特征的字符级向量，接着通过医疗语义资源的整合以及实体边界特征分析构建了医疗实体及特征库，将其与字符级向量相拼接以更好地挖掘序列信息，最后采用改进的Voting算法将深度学习结果与条件随机场(Conditional Random Fields，CRF)的结果加以整合来纠正标签偏置.实验表明，融入外部语义特征的改进模型的F值达到94.06%，较CRF高出1.55%.此外，还给出了模型最佳效果的各项参数.
张量分解和深度学习已被应用于推荐系统，并取得了较好的效果.张量分解较好地从用户对推荐对象评分中提取用户、推荐对象以及其他影响因素的隐性的特征，将这些特征进行匹配，给出推荐策略，但这种方法忽略了用户、推荐对象以及其他影响因素现有辅助数据信息中的显性特征.深度学习是从辅助信息中提取用户、推荐对象以及其他影响因素的特征，并进行匹配给出推荐策略，却忽略了用户评分数据中用户、推荐对象以及其他影响因素的隐性特征.将张量分解和深度学习两种推荐方法相融合，提出一种基于张量分解和深度学习的混合推荐算法.使用张量分解算法和深度学习分别从三阶用户评分数据和多源异构辅助信息中提取用户特征和推荐对象特征，并将它们匹配得出用户对推荐对象的需求或喜爱的预测评分，再将两种算法的预测评分进行融合给出最终综合评分，从而提高个性化推荐的精准度.对比实验证明混合推荐算法与传统的协同过滤算法相比误差降低了34.0%.
针对大型图中的各种top?k近似子图查询算法存在的顶点重叠度高、无法满足多样性匹配结果输出等问题，提出具有最大顶点覆盖集的多样性近似子图查询算法.该算法建立基于近邻关系和基于区域划分的双重索引，并为相互关系紧密的同标号顶点建立簇索引.在图查询过程中，利用近邻特征为查询图中的每个顶点快速筛选出满足局部匹配要求的候选顶点集，并从不同区域找到多个满足要求的近似匹配子图，避免了查询结果间的高重复率.同时，基于区域和同标号近邻簇的划分，优先查找属于不同划分或不同簇顶点的匹配，减少了不同区域划分间的交互，提高了查询的效率.在大量数据集上的实验结果验证了该算法在查询效率和结果多样性等方面的有效性.
模拟现实电子商务推荐场景，设计三支交互推荐模型，提出结合流行度区间和M?distance k近邻的混合推荐算法.在“推荐”“不推荐”基础上引入“促销”构成三支，以丰富系统行为、降低推荐代价；构造序贯三支人机交互，持续学习用户的消费习惯，并提供更精准的推荐；根据目标用户的消费记录，选择适当的推荐策略.在多个数据集上的实验结果表明，与其他粗糙集模型下的算法相比，该算法的平均代价更低.
针对基于随机游走的节点相似性度量模型中存在的大度节点依赖问题，从信息论的角度提出了一种改进的随机游走节点相似性度量
基于相对熵的随机游走相似性度量方法RE?model (A random walk similarity measure model based on Relative Entropy).首先根据随机游走模型得到网络中节点的转移概率向量,再计算两个节点转移概率向量的相对熵得到该节点对的相似性.由于转移概率向量给出了从一个特定节点出发经过多步随机游走后到达网络其他所有节点的概率，导致网络中的每个节点在计算相对熵的过程中都被等同看待，并且网络规模的增大会使计算得到的节点间相似性耗时更多且存在较大偏差.根据节点经过多步随机游走后到达网络中影响力较大的节点的转移概率来构造该节点的转移概率分布，计算两个节点的转移概率分布的相对熵以得到网络中节点对之间的差异分数，进而得到网络节点间的相似性矩阵.RE?model度量方法降低了传统随机游走相似性度量对于大度节点的依赖性.通过在真实网络数据集上的实验表明，RE?model算法在对称性、网络传播及社区发现等方面表现良好.
篇章关系识别研究旨在理解篇章内部论述单元（简称“论元”，包括短语、句子及文本片段）之间的语义连接关系.现有研究通过交互式注意力机制方法，提升论元之间的信息的交互性，从而提升模型的分类能力.尽管如此，仅通过提升论元间的信息交互不能表述论元对的整体语义概念，原因在于现有方法往往将论元对视作独立的个体，忽略上下文信息对其语义上的影响.针对以上问题，提出一种基于层次化表示的隐式篇章关系识别方法，通过基于词的交互式注意力机制提取出较为重要的单词或短语，并通过论元的注意力机制赋予关键论元较高的权重，最终通过基于上下文的注意力机制融合论元对所在段落的信息，获得具有上下文语义信息的论元对表示.该方法进一步强化了论元之间信息交互性，同时强化了论元对与上下文信息间的交互.使用PDTB（Penn Discourse Treebank）语料进行实验，结果证明该方法的F 1值在四个大类关系（Comparison，Contingency，Expansion，Temporal）上相对基准系统提高了4.94%，5.43%，4.57%和7.42%.
近年来，实体挖掘技术已经成为文本信息处理领域的研究热点，有广泛的应用前景，但目前实体挖掘技术通常缺少句法层面的分析，很难从语句中准确抽取关键性词汇，并且抽取实体的过程容易忽略主客体的动作关联.针对这一问题，建立一个适用于汉语句法分析的论元关系模型.使用多值递归函数识别句型结构并划分句法功能语块，根据句型结构抽取动作的施体和受体，建立论元关系模型.多值递归函数的分析窗口涵盖整个语句，函数递归地探索整个解空间，获取全局最优解.此外，层次分解机制可以识别处理嵌套句和歧义句，能够抽取出更有价值的句法成分，对长语句和复杂语句有更好的适应能力.
网络结构发现可识别网络多类型聚类模式，但其准确率有待提升.批量主动学习选择质量高的节点集合构造先验，可提升无监督网络结构发现的性能.面向属性网络分类的主动学习BMAL(Batch Mode Active Learning)只考虑链接信息实现网络节点选择，但不能有效选择使模型性能提升至最优的节点集合，且依赖初始人工标注及参数.提出一个新的批量主动学习算法，利用目标函数的子模性迭代选择最优的节点集合.该方法基于未标记节点的不确定性和非冗余影响力选择最优节点集合，不确定性依据节点及其邻居的类隶属度，影响力依据节点的非重叠中心性，两个指标的权重依据熵权法自动确定.人工和真实网络上的实验结果表明，该方法能选择使结构发现性能提升最大的节点集合.
孪生支持向量回归机(Twin Support Vector Regression,TSVR)的数学模型是求解一对约束优化问题，如何将约束优化问题转化为无约束优化问题进行求解是一个难题.在TSVR约束优化模型的基础上，依据最优化理论提出TSVR的无约束优化问题.然而，无约束优化问题的目标函数有可能不可微，为解决这个问题，引入极大熵函数，确保优化问题都是可微的.标准的极大熵函数法有可能发生数值溢出，所以对极大熵函数法进行了改进，提出自适应调节极大熵函数法来逼近TSVR的不可微项，并提出基于自适应调节极大熵函数法的TSVR学习算法.实验结果表明，和其他回归方法相比，所提算法不仅能够提高回归精度，而且效率得到了较大的提高.
采用密度泛函理论的B3LYP方法，在6?31++G(d,p)基组水平研究第一系列过渡金属二价离子对甘氨酸的配位能力，在M06/6?311+G(d,p)水平上计算构型单点能量与前者对照.每种金属离子配合物的最稳定构型中甘氨酸以羧基的两个O原子配位.金属离子对甘氨酸的配位能力由大到小的次序为Cu2+>Ni2+> Co2+>Zn2+>Cr2+> Fe2+>V2+>Mn2+>Ti2+>Sc2+；结合能最大达到-1012.1 kJ·mol-1.每种构型中轨道相互作用能与静电相互作用能所占比率在50%左右(相差不多)，色散作用仅为0.2%.轨道作用能越大的构型，电子转移数越多.
