MgO掺杂SnO2甲醛传感器的气敏性能

用MgO掺杂SnO₂材料(SnO₂/MgO)研制了旁热式甲醛传感器,采用紫外光激发的方式使传感器能在室温下工作.利用X射线衍射仪、热场发射扫描电镜、比表面积与孔隙率分析仪对SnO₂和SnO₂/MgO材料进行了物相组成、微观形貌的表征和比表面积的测定,并在不同退火温度、不同紫外光照射强度下对传感器进行了性能测试.结果表明:掺杂后的材料比表面积更大、吸附能力更强,当退火温度为650 ℃、紫外光照射强度为1.75 mW/cm2时SnO₂/MgO传感器的灵敏度最好.在以相同体积分数的O₂、C₂H₆O作为干扰气体时,SnO₂/MgO气敏传感器对甲醛具有良好的选择性.研究结果为探索高灵敏的甲醛检测新技术提供了参考.     

基于深度随机森林的商品类超短文本分类研究

近年来，随着移动通信和信息技术的发展，网络上和实际应用场景中需要处理越来越多的长度不超过20字并且不带有辅助标签信息的超短文本数据.超短文本因其固有的词义多义性、文本特征极度稀疏、上下文明显缺失以及明辨语义困难等特点，如何对其进行有效地分类成为文本分类领域亟需解决的新问题.本文针对传统的短文本分类方法KNN和决策树在商品类超短文本上存在的由于特征稀少而导致分类器性能不佳的问题，提出了一种基于深度随机森林的商品类超短文本分类方法.该方法采用"分流"策略，利用外部知识库进行辅助，对知识库中存在明确类别的商品名直接确定其分类，对无法直接抽取类别的商品名，采用Word2vec对其在外部知识库中的描述进行向量化，并利用深度随机森林对向量进行分类，同时不断优化分类器直到训练集大小达到设定的阈值.实验结果表明，与传统的分类方法KNN和决策树相比，本文提出的分类方法在平均准确率上分别提高了22.78%和17.22%，平均召回率上分别提高了22.85%和15.23%.