离子液体凝胶是以离子液体为分散介质形成的凝胶，作为一种新型的混合材料，离子液体凝胶不仅保持了离子液体原有的性质，而且解决了离子液体外溢的问题，其在形状上较高的可塑性满足了人们对特殊材料的需求，同时拓展了离子液体的应用范围。离子液体凝胶的种类较多，大致可分为物理型和化学型两大类。离子凝胶的结构、特性和应用目前成为胶体与界面科学家研究热点内容之一，也是近年来软物质科学研究中的主要内容。通过综述近年来离子液体凝胶的构筑、凝胶结构和性能与应用研究取得的进展，为未来离子液体凝胶的构筑及应用提供了重要的理论指导。
预训练语言模型能够表达句子丰富的句法和语法信息，并且能够对词的多义性建模，在自然语言处理中有着广泛的应用，BERT(bidirectional encoder representations from transformers)预训练语言模型是其中之一。在基于BERT微调的命名实体识别方法中，存在的问题是训练参数过多，训练时间过长。针对这个问题提出了基于BERT-IDCNN-CRF(BERT-iterated dilated convolutional neural network-conditional random field)的中文命名实体识别方法，该方法通过BERT预训练语言模型得到字的上下文表示，再将字向量序列输入IDCNN-CRF模型中进行训练，训练过程中保持BERT参数不变，只训练IDCNN-CRF部分，在保持多义性的同时减少了训练参数。实验表明，该模型在MSRA语料上F1值能够达到94.41%，在中文命名实体任务上优于目前最好的Lattice-LSTM模型，提高了1.23%；与基于BERT微调的方法相比，该方法的F1值略低但是训练时间大幅度缩短。将该模型应用于信息安全、电网电磁环境舆情等领域的敏感实体识别，速度更快，响应更及时。
隐私的泄露问题不仅包含用户提交的位置和查询数据,更是包含了其中隐藏的用户身份、兴趣爱好、社会习惯、行为模式等。对位置服务隐私保护的技术进行综述,介绍了位置服务的应用场景、位置隐私的攻击方法。对现有的隐私保护体系结构和保护技术进行整理归纳。对未来的研究进行了展望,并提出一种基于缓存的时空扰动方法和LBS隐私保护度量假设方案。
显著性检测的目标是快速找出图像视频等视觉数据中最吸引人注意的区域，作为计算机视觉领域的基本任务之一，近年来备受关注，众多的方法被提出。这些显著性检测工作可分为2个分支：视觉显著性检测方法和显著性物体检测方法。尽管这2个分支的方法有很多相同点甚至共享相同的计算模型，但是在不同分支的评价数据集上有巨大的性能差异，很少有工作对这2个分支的方法进行比较和分析。通过详细分析和阐述2个分支主流方法的计算模型、采用的评价机制以及使用的数据集，总结了多种改进视觉显著性检测方法用来检测显著性物体的方式，通过这些方式视觉显著性检测方法可应用于显著性物体检测数据集，其性能达到了领先水平甚至超过了一些主流显著性物体检测方法，从而缓解了2个分支显著性检测方法在不同分支数据集上表现的不一致的问题。
