融合知识图谱和深度学习方法的问诊推荐系统

近年来,随着互联网的普及和大数据分析等技术的发展,人们对移动医疗服务的需求越来越迫切,具体表现为根据症状确定自己患有的疾病以及根据疾病选择服务质量较好的医院及医生.为了解决上述问题,基于知识图谱和深度学习技术设计并实现了一种问诊推荐系统.基于互联网开放的医疗数据,构建了"疾病-症状"知识图谱,帮助用户根据症状自查,并以知识图谱嵌入模型训练知识图谱中实体的嵌入向量表示,根据向量的欧式距离相似度选取最相近的疾病实体丰富推荐选项,两者结合实现疾病诊断服务.同时,基于社交媒体的评论数据,结合现有的医疗服务质量评价指标,使用了深度学习的分析方法,自动给出医生的服务质量多维度的评分,为用户提供医生医院推荐服务.最后,通过构建测试集以及设计调查问卷等方式,验证了疾病诊断服务和医生医院推荐服务的准确率分别达到了74.00％和90.91％.     

基于代码结构知识的软件文档语义搜索方法

自然语言文本形式的文档是软件项目的重要组成部分.如何帮助开发者在大量文档中进行高效、准确的信息定位,是软件复用领域中的一个重要研究问题.提出了一种基于代码结构知识的软件文档语义搜索方法.该方法从软件项目的源代码中解析出代码结构图,并以此作为领域特定的知识来帮助机器理解自然语言文本的语义.这一语义信息与信息检索技术相结合,从而实现了对软件文档的语义检索.在StackOverflow问答文档数据集上的实验表明,与多种文本检索方法相比,该方法在平均准确率（mean average precision,简称MAP）上可以取得至少13.77%的提升.     

基于图嵌入的软件项目源代码检索方法

源代码检索是软件工程领域的一项重要研究问题,其主要任务是检索和复用软件项目API（application program interface,应用程序接口）.随着软件项目的规模越来越大、越来越复杂,当前,源代码检索一方面需要提高基于自然语言API查询的准确性,另一方面需要定位和展示目标API及其相关代码之间的关联,以更好地辅助用户理解API的实现逻辑和使用场景.为此,提出一种基于图嵌入的软件项目源代码检索方法.该方法能够基于软件项目源代码自动构建其代码结构图,并通过图嵌入对源代码进行信息表示.在此基础上,用户可以输入自然语言问题、检索并返回相关的API及其关联信息构成的连通代码子图,从而提高API检索和复用的效率.在以开源项目Apache Lucene和POI为例的检索实验中,该方法检索结果的F1值比现有基于最短路径的方法提高了10%,同时显著缩短了平均响应时间.     

基于扩展主题模型的异常医疗处方检测方法

异常处方指的是医生为患者所开具的存在异常的处方。医疗处方中出现异常,如滥用药或者开错药等,会影响患者的治疗效率,甚至造成严重的后果。由于一些主观或者客观原因,医生总会开具一些异常处方。检测出这些异常处方能够提升患者就医效率,减少社会医疗成本,并且对药物滥用、多开药、错开药的有效管理等都有着重要意义。为此,提出了一种基于扩展主题模型的异常处方检测方法。该方法能够自动地从大量处方数据中检测出异常处方,并且对于每一个新的处方,该方法都能够判断其诊断和用药是否匹配,进而判断其是否正常。与其他异常检测算法相比,该方法具有更广泛的应用,不仅可以在医疗领域中使用,以检测异常处方,还可以在其他领域中使用,以检测其他特征之间的匹配关系异常。该方法已经得到了实现,并在真实的处方数据集中得到了验证。     

多维应用特征融合的用户偏好预测

近年来,随着智能手机的飞速发展,移动应用的数目也快速增长。因此,移动应用开发者会提前预测用户对于自己开发的应用的偏好情况。选取Android应用的被卸载次数与其被下载次数的比值作为用户偏好的隐式反映,用户对应用的评价(喜爱率)作为用户偏好的显式反映。基于国内某知名手机应用市场提供的2014年5月至9月的大规模真实用户使用数据,选取9 795个活跃用户数不少于50的Android手机应用作为研究对象,进行分析。从7个维度定义了可能影响用户对应用偏好的30种特征,并对每个应用进行特征提取。基于定义的特征,使用随机森林算法训练分类器,按照卸载/下载比率或喜爱率的高低对应用进行划分,并找出显著影响卸载/下载比率、喜爱率的特征。     

基于运行时模型的混合云管理方法

随着云计算技术的普及,涌现出众多不同用途、不同类型的云计算平台.为了满足遗产系统整合和动态资源扩展等需求,常常需要构造混合云来统一管理不同云平台中的计算和存储资源.然而,不同云平台的管理接口和管理机制存在差异,使得开发混合云管理系统难度大、复杂度高.本文提出一种基于运行时模型的混合云管理方法：首先,在云平台管理接口基础上,构造单一云平台的运行时模型;其次,根据云平台领域知识,提出一种云平台软件体系结构的统一模型;最后,通过模型转换,实现云平台统一模型到运行时模型的映射.于是,管理程序可以建立在云平台统一模型的基础上,降低了混合云管理系统开发的难度和复杂度.本文还实现了基于运行时模型的CloudStack和亚马逊EC2混合云管理系统,并对方法的可行性和有效性进行了验证.     

一种像素级源跟随管共享的双列线信号传输的红外焦平面读出电路新结构

提出一种像素级源跟随管共享、双列线信号传输的红外焦平面读出电路新结构。像素的电压信号通过两条列线传递到列级,消除了列线寄生电阻带来的非均匀性和非线性。同一列的相邻四行像素共享源跟随管,增大了源跟随管的尺寸和面积,从而降低了热噪声、闪烁噪声以及工艺偏差带来的非均匀性。采用该结构并基于0.35 μm 2P3M CMOS工艺设计和制造了一款640×512规格读出电路,像素中心距为15 μm。测试结果表明：功耗仅30 mW,动态范围81 dB,非线性度0.11％,非均匀性小于1%。与中波红外探测器阵列互连后进行了组件测试和成像实验,组件非均匀性小于5%,NETD为18 mK,获得了高质量红外图像。     

基于本体推理的终端用户数据查询构造方法

基于数据分析的智能决策对提升企业竞争力具有重要意义.根据待分析的问题，从内部信息系统的数据库中查询并获取与问题密切相关且信息完整的数据，是企业数据分析过程中的关键环节.基于本体的可视化数据查询系统为不掌握计算机专业技能的终端用户提供了高效获取数据的手段，近年来成为研究热点.然而现有工作仅采用简单的映射规则，将数据库中的表、字段、外键关系等元素直接映射为本体中的概念、属性和关系，向终端用户暴露了过多数据库设计的技术细节，增加了用户理解的难度，降低了系统的可用性.而通过人工编写映射规则来屏蔽数据库细节，既低效又缺乏通用性.针对这一问题，提出了一种基于推理的终端用户本体查询构造方法.该方法利用本体模型的语义表达能力和推理能力，在原有基于数据库简单映射所生成的本体模型基础上注入领域知识，从而优化查询构造流程，使终端用户得以从其更为熟悉的业务知识的视角，而非数据库设计的视角来看待和操纵数据，提高系统可用性；同时，增加了对分组统计的支持，扩展了方法的适用范围.最后，通过对"餐饮前台信息管理"领域真实案例的分析，验证了该方法相对于已有方法，其可用性提高了53.44%，表达能力提高了20.43%.     

基于智能映射推荐的知识图谱实例构建与演化方法

随着大数据技术的深入发展，各领域产生了海量异构数据，构建知识图谱是实现异构数据语义互通的重要手段。通过将结构化数据与本体模型映射匹配来生成实例模型是图谱实例层构建常用的方法。然而，对于复杂异构的领域数据来说，现有映射式实例构建方法大多需要用户手动完成全部映射匹配，映射操作繁琐，无法进行智能匹配，费时费力且容易出错。除此之外，现有方法对实例导入后的增量更新也支持不足。针对现有模式匹配和实例构建方法的映射操作繁琐的问题，提出了基于智能映射推荐的实例构建与演化方法。其中，智能映射复用推荐机制，在用户手动映射之前进行数据模式匹配计算，对元素级相似度、表级相似度和表间传播相似度进行多级相似度综合计算，根据数据模式匹配度仲裁排序后生成推荐映射。另外，增量发现机制通过自动发现冗余实例和冲突实例，生成系统后台任务进行处理，可实现实例的高效无重复导入。在山东市政府开放数据集和深圳市医疗急救数据集上进行了实验，在映射复用推荐模块的辅助下，交互时间缩短为传统模式的约26%,字段推荐匹配准确率达到98.1%;在增量发现模块的实验中，导入了1 394万个实例节点以及2 158万条关系边所需的时间由31.21 h...     

一种基于迭代的关系模型到本体模型的模式匹配方法

语义网的飞速发展，使得各领域出现了以本体这种形式来表达的知识模型.但在实际的语义网应用中，常常面临本体实例匮乏的问题.将现有关系型数据源中的数据转化为本体实例是一种有效的解决办法，这需要利用关系模型到本体模型的模式匹配技术来建立数据源和本体之间的映射关系.除此之外，关系模型到本体模型的模式匹配还被广泛用于数据集成、数据语义标注、基于本体的数据访问等领域中.现有的研究工作往往会综合使用多种模式匹配算法，计算异构数据模式中元素对的综合相似度，辅助人工建立数据源到本体的映射关系.现有的工作针对单一模式匹配算法准确率不高的问题，试图通过综合多种模式匹配算法的结果来进行调和.然而，这种方法当多种匹配算法同时出现不准时，难以得出更加准确的最终匹配结果.对单一模式匹配算法匹配不准的成因进行深入的分析，认为数据源的本地化特征是导致这一现象的重要因素，并提出了一种迭代优化的模式匹配方案.该方案利用在模式匹配过程中已经得到匹配的元素对，对单一模式匹配算法进行优化，经过优化后的算法能够更好地兼容数据源的本地化特征，从而显著提升准确率.在"餐饮信息管理"领域的一个实际案例上开展实验，模式匹配效果显著高于传统方法，其中，F值超过传统方法50.1%.