摘要：本发明涉及终止胶带技术领域，具体涉及一种PET基材橡胶终止胶带及其制备方法。该PET基材橡胶终止胶带，包括PET基材及涂覆于其表面的终止胶层，所述终止胶层包括如下重量份的原料：天然橡胶70‑100份、丁苯橡胶5‑30份、聚异丁烯橡胶80‑130份、丁基橡胶10‑20份、丁腈橡胶2‑10份、萜烯树脂15‑50份、防老剂10‑20份、交联剂5‑10份、无机颜料10‑50份。本发明的橡胶终止胶层，通过采用橡胶作为胶水的主体物质，克服了目前丙烯酸系胶带，长期高温浸泡电解液，其粘结力骤减的问题，其制备方法更为简单，成本更为低廉，提高了锂电池的安全使用系数。

摘要：本发明涉及胶带技术领域，具体涉及一种耐电解液的橡胶胶水、其制备方法及耐电解液的橡胶胶带。该耐电解液的橡胶胶水，包括以下重量份的原料：聚异丁烯橡胶100‑230份、环氧化聚异丁烯橡胶20‑60份、端氨基液体丁腈橡胶1‑10份、萜烯树脂5‑30份、颜料0‑50份、有机溶剂300‑600份。本发明的耐电解液的橡胶胶水，选用了耐化学性能优异的聚异丁烯橡胶作为主体，并加入了环氧化聚异丁烯橡胶和端氨基液体丁腈橡胶，通过环氧化聚异丁烯橡胶和端氨基液体丁腈橡胶的交联反应，既改善了本发明的耐电解液的橡胶胶水在锂电池中与铝箔的粘结性能，也提高了其耐电解液腐蚀性能。

摘要：本公开提供了一种基于自注意力的自然语言处理方法及其设备和存储介质。所述方法，包括：获取输入向量序列，所述输入向量序列包括待处理文本的词向量序列；对输入向量序列中的词向量进行分组，并对至少一组词向量执行自注意力处理；以及，基于自注意力处理结果，生成待处理文本对应的输出向量序列。

摘要：一种池式钠冷快堆事故余热排出系统的独立热交换器，包括：冷却设备，为柱状，包括柱体和柱体内部的冷却空间，柱体的侧壁上开设有冷却空间的入口和出口；内层壁，位于冷却设备的外侧，内层壁为筒状并朝下方开口，内层壁的上端与柱体的外壁密封连接，入口位于密封连接处的上方，出口位于密封连接处的下方，使得内层壁与冷却设备之间形成出口流道；以及外层壁，位于内层壁以及冷却设备的外侧，外层壁为筒状，使得外层壁与内层壁之间、外层壁与密封连接处上方的冷却设备之间共同形成入口流道，外层壁的下端与用于分隔热池和冷池的分隔板密封连接，外层壁分隔其外部的热池与其内部空间，使得入口流道与出口流道均与冷池流体连通。

摘要：本申请实施例提供了一种文本处理方法、装置、电子设备及计算机可读存储介质，涉及自然语言处理技术领域。该方法包括：获取与待处理的文本对应的多头注意力得分矩阵；对所述多头注意力得分矩阵进行校正得到多头协同注意力矩阵；基于所述多头协同注意力矩阵获取与所述文本对应的输出结果。本申请实施例提供的文本处理方法可以提高对文本处理的准确率，并使多头注意力机制有机会通过其他头修正多层的每一个头的得分并且获得更好的协同作用。

摘要：提供一种语言模型的训练方法及装置。该语言模型的训练方法包括：接收输入的训练数据，其中，训练数据包括给定词和所述给定词的上下文；基于所述给定词和所述给定词的上下文，生成训练数据在目标语言中的词的上下文相关向量的代理，并且基于所述给定词的上下文，生成训练数据在源语言中的上下文相关的词向量；基于词的上下文相关向量的代理和上下文相关的词向量确定源语言和目标语言的对齐概率作为损失函数；并且基于所述损失函数进行训练，从而实现跨语言对齐的目的，提高了语言模型的质量。

摘要：本申请实施例提供了一种由电子设备执行的方法及相关设备，涉及人工智能技术领域。其中，由电子设备执行的方法包括：获取目标问题中的第一实体；基于与第一实体的共现关系，在包括至少两种语言的预设的知识库中获取第二实体；基于第二实体确定目标问题的答案。本申请通过与第一实体的共现关系，在包括至少两种语言的预设的知识库中获取第二实体，继而采用第二实体确定目标问题的答案，也即可以采用资源充足的其他语言知识库回答本地语言知识库无法支持的问题，解决由于知识库资源不足所导致的应答准确率和召回率低的问题。同时，由电子设备执行的上述方法可以使用人工智能模型来执行。

摘要：本申请实施例提供了一种信息处理方法、装置、电子设备、计算机可读存储介质及计算机程序产品，涉及人工智能技术领域。其中，信息处理方法包括：针对目标信息的输入序列中的至少两个目标向量进行基于快速傅里叶变换的特征交叉处理，得到目标信息的输出序列；针对目标信息的输出序列进行特征感知处理，得到目标信息的目标序列；其中，目标序列表示目标信息中的各个目标对象在目标信息中与其他目标对象相关的语义信息；该方法的实施有利于提升所确定语义信息的准确性。同时，由电子设备执行的上述信息处理方法可以使用人工智能模型来执行。

摘要：本申请实施例提供一种神经网络模型的训练方法、装置、电子设备及存储介质，涉及人工智能技术领域。该方法包括：获取包括多个初始文本，对每个初始文本中的目标区段进行掩码处理，得到目标区段对应的掩码区段，将每个初始文本及其对应的掩码区段作为一个训练样本，对神经网络模型进行，其中，训练过程中样本的掩码区段的第一词元预测结果是根据样本的非掩码区段和掩码区段预测出的，样本的目标区段的第二词元预测结果是根据样本的非掩码区段和目标区段预测出的，模型的训练总损失是根据各样本对应的目标区段、第一文本预测结果和第二文本预测结果确定的。基于本申请实施例提供的训练方法，可以有效提高训练得到的模型的性能。

摘要：提供了一种由电子设备执行的方法、电子设备和计算机可读存储介质，所述由电子设备执行的方法包括：使用第一语言模型，提取第一训练序列的第一通用知识表征；以及使用第一通用知识表征，更新第二语言模型。