Dr.Deep:基于医疗特征上下文学习的患者健康状态可解释评估

深度学习是当前医疗多变量时序数据分析的主流方法.临床辅助决策关乎病人生命健康,因此深度模型需要抽取患者个性化表示,保证较高的分析、预测准确率;同时还需提供足够的可解释性,即能解释模型给出分析、预测结论的依据.而现有工作暂未能匹配医疗领域多变量时间序列数据的特性来进行个性化表示学习,同时源于深度学习的黑盒性质,现有模型大都可解释性不足,难以满足临床应用的需求.在此背景下,提出了基于医疗特征上下文学习的患者健康状态可解释评估方法Dr.Deep,将各变量的时序特征分别编码,利用多头去协同的自注意力机制,学习不同特征之间关联关系;提出了基于压缩激励机制的特征跳连编码,提升模型对最新病情变化的敏感性并针对不同患者情况分析特征重要性.实验表明:Dr.Deep在重症监护患者脓毒症预测、新冠肺炎重症患者出院时间预测等任务中相比业界方法性能提升,且可以针对不同患者的不同指标自适应学习其重要性作为可解释性的关键因素.同时设计并实现了基于医疗多变量时序数据分析的医生临床辅助系统,该系统建立病人的健康表示学习和预后预测模型并可视化患者病情进展以便医生分析.实验代码已开源于https://github.com/Accountable-Machine-Intelligence/Dr.Deep.所设计的智能医生可视化交互系统已发布于http://47.93.42.104/challenge/100049.     

时序知识图谱表示学习

知识图谱作为一种结构化的人类知识形式,对海量多源异构异质的数据语义互通起到了很好的支撑作用,并有效地支持了数据分析等任务,成为了近年来学术界和工业界的研究热点。目前大多数知识图谱都是根据非实时的静态数据构建,没有考虑实体和关系的时间特性。然而社交网络通信、金融贸易、疫情传播网络等应用场景的数据具有实时动态的特点以及复杂的时间特性,如何利用时序数据构建知识图谱并且对该知识图谱进行有效建模是一个具有挑战性的问题。目前,有许多研究工作利用时序数据中的时间信息丰富知识图谱的特征,赋予知识图谱动态特征,将事实三元组拓展为(头实体,关系,尾实体,时间)的四元组表示,使用时间相关四元组进行知识表示的知识图谱被统称为时序知识图谱。文中对时序知识图谱相关文献进行整理和分析,并对时序知识图谱表示学习的工作进行了全面综述。具体地,首先简单介绍了时序知识图谱的背景与定义;其次总结了时序知识图谱表示学习方法相比传统知识图谱表示学习方法的优点;然后从事实的建模方法角度详细阐述了时序知识图谱表示学习的主要方法,并且介绍了上述方法使用到的数据集;最后对该技术的主要挑战进行了总结,并对其未来研究方向进行了展望。     

一种基于模型的云计算容错机制开发方法

目前商业云平台和开源云平台种类繁多,如CloudStack,OpenStack,Eucalyptus等,这些云平台提供的管理能力和管理方式存在较大差异,即使在同一个云平台中也存在多种虚拟化方式,如Xen,KVM,VMware等.近年来,随着私有云和混合云的迅速发展,基础设施的异构程度加剧.由于容错机制往往依赖于基础设施的管理能力和管理方式,因此容错机制实例在不同的目标平台上需要分别实现,导致容错机制的开发难度和开发时间显著增加.针对这一问题,提出了一种基于模型的容错机制开发方法,实现容错机制的跨平台性.为了验证容错机制开发方法的有效性和实用性,实现了7种常见的容错机制实例,并在CloudStack和OpenStack开源云平台上进行验证.实验表明,这些容错机制能够有效地实现故障转移,提升容错对象可靠性、可用性等指标;提出的容错机制开发方法能够实现跨平台,并达到90%以上的代码复用率;对云平台管理员以及容错机制开发者的问卷调查结果表明,该方法能够较好地提升容错机制的开发体验和开发效率.     

基于公交车轨迹数据的道路GPS环境友好性评估

GPS是应用最为广泛的室外定位系统,随着技术的发展精度不断提升.然而城市中,由于GPS卫星信号被建筑遮挡,仍然可能产生较大的多径误差.此类误差已称为城市GPS定位误差的主要成分.评估城市道路中环境对GPS精度的负面影响,即环境的GPS友好度,将有助于对不同地段GPS的误差范围进行预判,从而提升位置服务相关应用的用户体验,并为理解环境特征与多径误差的关系,确定在何处部署辅助定位的设备提供支持.为此,提出了1种通过处理和分析海量公交车GPS轨迹历史数据,从而评估城市主要路段的环境友好性的方法.该方法充分利用公交车运行线路固定的特点,大幅提升数据处理的效率;针对路网数据可能存在的错误,提出了容错性的方案;利用相同车辆及相同路段在GPS误差上存在的内在关联,对缺失数据进行补全;并充分考虑到不同质量GPS端设备对环境友好性评估的影响,确定了基于端设备质量加权的评估计算策略.利用成都市二环内的4869辆公交车1个月的数据,对共计5648个不同路段的环境友好性进行了评估,并通过卫星地图和街景照片,分析验证了方法结果的合理性.     

一种增量式本体模型与数据模式映射的图谱实例模型构建演化方法

在智慧城市领域中,随着信息化技术的不断深入,各信息系统产生的海量数据不断增长,这些多源异构数据之间的语义互通成为了城市智能应用开发需要解决的重要问题之一。构建知识图谱是解决数据语义互通的常用手段之一。在建立知识图谱本体模型后,图谱实例模型的构建演化就成为支撑基于图谱的各类应用的关键技术。为此,如何将不断更新的数据源中的知识实例尽可能自动化地扩充到知识图谱中,成为了图谱构建的首要问题。现有的一些知识实例生成工具对数据导入的支持力度不足,用户需要对源数据进行复杂的预处理,将其转化为符合平台支持的导入数据格式。这导致预处理工作量大,且不能迅速地应对数据不断更新增长的情况。由于智慧城市领域中信息系统所产生的数据多为结构化或半结构化数据,文中提出一种增量式本体模型与数据模式映射的图谱实例模型构建演化方法,面向结构化或半结构化数据生成实例,并随着数据的更新,实现图谱实例模型的增长与演化。文中方法结合机器推荐与人机协同交互设计,针对不同数据源的特征抽取知识并将其正确地映射到本体模型中的概念实体上,实现领域知识图谱实例模型的增量扩充;并通过实体对齐、关系补全等方法,支持实例模型的持续演化。文中方法在企...     

一种针对物联网智能系统的规则冲突检测方法

物联网系统架构的核心是逻辑控制器,逻辑控制器中使用规则控制业务逻辑,减少物联网系统的开发、维护成本,提高物联网设备的灵活性.但随着物联网系统的规模扩大,规则间的关系变得复杂,从而可能产生规则冲突.为避免规则发生冲突,一些研究者提出了规则冲突检测方法.但是,以往的规则冲突检测方法还存在规则冲突类型分析不全面、检测结果准确性较低的问题.为此提出一种针对物联网系统控制逻辑的形式化规则冲突检测方法 (formal rule conflict detection,FRCD).该方法首先形式化定义规则及规则冲突,其中将规则定义为控制主体、动作、触发条件、符号的组合;然后根据规则对系统的影响以及规则的结构特征,总结出7类规则冲突类型;最后设计规则冲突检测的算法,并介绍规则冲突检测的详细过程.在2个物联网系统上开展实验,与已有的3种典型的物联网规则冲突检测方法进行对比.这3种方法分别是基于用户、触发器、环境实体和作动器的冲突检测方法 (user, triggers, environment entities, and actuators, UTEA)、基于Web语义的策略冲突检测方法 (semanti...     

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％.     

用菲涅尔区模型探究WiFi感知系统的稳定性

基于WiFi的非接触感知系统利用环境中广泛存在的WiFi信号在自然情况下对用户活动进行感知,具有十分广阔的应用前景。从细粒度活动到粗粒度活动,现有工作进行了大量的探索,但尚未理解和解决感知系统稳定性不足的问题。当感知对象、收发设备位置、测试环境等发生变化时,系统性能会受到严重影响。实际上,人体活动对应的接收信号模式因位置和朝向的变化而带来的不一致性导致了系统不能稳定工作。为了理解这种现象的本质,利用团队提出的基于无线感知的菲涅尔区衍射和反射模型,精确定量刻画了目标物体相对于收发设备的位置、运动轨迹和无线信号波形模式之间的关系。通过两个应用实例,即细粒度的手指动作识别和粗粒度的健身活动识别,在模型的指导下,分别解释了系统不能稳定工作的原因,说明了如何得到一致的感知波形,以及如何构造可区分的感知波形,并给出了提升感知系统性能的方法。     

4-正则图着色的Kempe等价性

给定一个图G及它的一个正常顶点着色f, G中任意两种颜色的顶点导出子图称为G的一个2-色导出子图,该2-色导出子图的分支称为G的一个2-色分支。Kempe变换是指将图G的某个2-色分支实施颜色互换。若两个着色之间可通过若干次Kempe变换达到对方,则这两个着色是Kempe等价的。Mohar猜想当k3时,对于任意的连通k-正则图G,若G不是完全图,则G的所有k-着色是Kempe等价的。Feghali等人解决了k=3时的情况,当k4时,此猜想尚未解决。该文研究了k=4时的情况,证明了：(1)若G是一个连通度小于3的4-正则图,则G的所有4-着色是Kempe等价的;(2)若G是4-正则图,且含有与4-轮或近5-阶完全图同构的子图,则G的所有4-着色是Kempe等价的;(3)若G是一个3-连通4-正则图,且G存在一个顶点x和一个4-着色f,满足x的邻域中有3个或4个顶点在f下着相同颜色,则G的所有4-着色是Kempe等价的。     

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。