基于网格LSTM混合算法的地质领域用户意图识别

针对传统基于模板匹配、关键词共现、人工特征集合等方法的问答机器人存在用户意图识别耗时、费力且扩展性不强的问题,本文结合地质领域文献中结构化知识问答的复杂特点,使用了基于网格记忆网络（LSTM+CRF+Lattice）与基于卷积神经网络（CNN）融合的优化模型.该模型将用户询问意图识别看作分类问题,首先使用网格记忆网络进行文本信息的命名实体识别及关系抽取,然后使用卷积神经网络将用户输入的其他文本信息进行属性分类,接着将分类结果转化为满足知识图谱查询的结构化方式,最终实现地质知识属性映射的用户询问意图识别.实验证明,在考虑地质知识特征的处理中,对于准确率的提升起到了极大帮助.     

基于图卷积网络的重大事件趋势预测

针对基于公开新闻数据的重大事件趋势预测研究在文本特征提取上语义理解不足问题,提出基于图卷积网络的重大事件趋势预测方法.利用结构化事件信息构建以事件为中心的语义关联图;按时间片粒度分割出局部事件语义关联图,利用预训练词向量对节点文本初始化特征表示;将带有节点特征的局部事件语义关联图输入图卷积网络,聚合节点邻域信息计算图特征表示并输入到分类器,训练预测模型并输出预测结果.以朝鲜核行为趋势预测问题验证所提出方法的有效性,对测试集(2017年3月～2018年3月)预测准确率达到76.92％,全时间段预测准确率为89.58％.预测结果表明,该方法增强了对文本的语义理解,预测精度优于基于专家知识构建特征的方法.     

融合知识图谱与深度学习的疾病诊断方法研究

针对现有深度学习疾病诊断方法在辅助诊断过程中大规模依赖标注数据,且缺乏医生或专家经验知识的问题,提出一种融合医学知识图谱与深度学习的疾病诊断方法。该方法的核心是一个知识驱动的卷积神经网络(CNN)模型,通过实体链接消歧与知识图谱嵌入抽取得到医学知识图谱中的结构化疾病知识,并将病情描述文本中的疾病特征词向量与相应知识实体向量作为CNN的多通道输入。在卷积过程中从语义和知识两个层面表示不同类型疾病。通过在多类病情描述文本数据集上进行训练和测试,实验结果表明该方法的诊断性能要优于单一CNN模型与其他疾病诊断方法,并验证了这种知识与数据联合训练的方法更适用于初步诊断病情描述的疾病类型。     

基于知识图谱的科技成果智能查询系统

科技成果数据呈现跨领域、跨学科特性,传统的信息查询检索技术已难以满足用户日益增长的智能化、精准化的科技成果信息获取需求。分析了知识图谱领域和信息检索领域的研究现状。采用网络爬虫从互联网中高效地爬取科技成果数据,利用实体识别和关系抽取技术识别和发现科技成果数据中的科技实体,构建科技成果知识图谱,并实现科技成果数据的结构化存储。基于ElasticSearch搜索引擎对科技实体构建高效索引,研究科技成果语义相似度计算方法,实现基于知识图谱的科技成果智能查询系统。实验结果验证了所构建的系统能够实现科技成果的高效查询以及相关主题内容的关联发现。     

融合标签语义知识的价值观多标签文本分类

为了准确识别网络文本中的价值观倾向,该文提出了一种融合标签语义知识实现价值观多标签文本分类的策略。首先基于价值观理论体系,构建了价值观知识图谱;然后构建了价值观多标签文本分类数据集;最后提出了融合标签语义知识的价值观多标签文本分类模型,通过两种方式融合价值观标签的语义知识。其一,利用标签语义信息进行文本表示学习,获得每个标签对于文本中不同词的重要程度;其二,利用标签的语义知识,计算标签与文本的语义相似度,并与分类模型结果融合。实验表明,该方法可以较好地解决价值观多标签分类问题,尤其可以缓解“尾标签”问题,最终在top@1结果上达到62.44%的精确率,在top@3上达到66.92%的召回率。     

面向碳交易领域的知识图谱构建方法

为解决碳交易领域数据集成问题,提出一种碳交易领域知识图谱的构建方法。针对碳交易领域的半结构化和非结构化数据,分别采用自定义的Web数据包装器和结合BiLSTM-CRF模型与依存句法分析的方法进行三元组抽取。然后将获取的知识转化为关联数据,得到完整的碳交易领域知识图谱,再利用基于Jena的fuseki实现对知识图谱的语义查询。实验结果表明,该方法能够为碳交易领域快速有效地构建知识图谱,并可以从碳交易领域的海量数据中检索出有用信息。     

融合知识图谱和评论文本的个性化推荐模型

推荐系统的目的是解决“信息过载”的问题,然而目前的研究方法大多利用用户和商品信息对用户兴趣进行建模,没有同时利用知识图谱构建用户模型来增强推荐系统的性能,因此提出了融合知识图谱和评论文本的个性化推荐模型。首先,通过不同类型的知识图谱分别关联用户项目和用户评论文本,扩展用户的兴趣和提取评论文本中的实体;其次,通过构造用户兴趣网络得到带有用户兴趣偏好的兴趣特征;然后,通过构造画像模块和情感模块的画像网络提取到带有用户情感倾向的画像特征;利用决策层进行点击率预测。最后在Amazon数据集上进行了实验比较,对所提模型的性能进行了评估,并与目前的融合知识图谱和评论文本的推荐模型进行比较,验证了所提模型的有效性。     

基于概念网络的短文本分类方法

针对档案领域的短文本分类,设计一种基于概念网络的自动分类方法。通过分析领域内短文本的语言特点构建领域本体,利用自然语言处理技术将短文本转化为资源描述框架表示的结构化概念网络,在此基础上定义概念网络间的语义相似度,从而实现档案的自动分类。实验结果表明,相比传统基于特征选择的短文本分类方法,该方法的分类错误率下降了24.2%,可有效改善系统性能。     

OpenConcepts:一个开放的细粒度中文概念知识图谱

知识图谱是通过符号形式描述世界万物的实体及其之间的关联关系，是一种具备强大知识处理能力的大规模语义网络。概念知识图谱是一种特殊的知识图谱，在语义搜索、自动问答等场景具有广泛的应用价值。之前的概念图谱较难覆盖长尾实体，且存在概念粒度较粗和更新困难等问题。针对这些问题，该文提出了一种全新的自动化概念图谱构建方法，能够自动地从海量文本及半结构化数据中构建细粒度的中文概念层次结构，还发布了一个开放的细粒度中文概念知识图谱OpenConcepts,包含440万概念核心实例，5万多个细粒度概念和1 300万概念-实例三元组，并提供相应的调用接口。     

一种融合用户显隐式阅读偏好的论文推荐模型

在海量学术文献的个性化推荐中,现存基于内容的方法以CNN作为特征提取工具,关注用户的显式阅读偏好,却忽略了全局语义特征,而基于图的方法通常忽略用户和论文之间的高阶关联结构信息。针对以上问题,提出一种混合推荐模型GNPR(Graph Neural Paper Recommendation),能够学习更完整的用户显式阅读偏好及用户和论文之间的高阶关联信息。该方法使用Word2vec和DCNN(Dual Convolutional Neural Network)处理文本,以双层自注意力的特征抽取模式学习文本全局特征,补充用户显式阅读偏好。针对概念、用户、论文和论文元数据等数据构建知识图谱,使用改进的图卷积网络学习用户和论文之间的高阶关联信息,从而挖掘用户隐式的阅读偏好。在CiteULike-a等数据集上验证了GNPR模型的有效性。     

深度迁移学习辅助的阿尔兹海默氏症早期诊断

目前越来越多的老人正在遭受着阿尔茨海默氏症AD(Alzheimer's Disease)带来的痛苦。临床研究显示,轻度认知障碍MCI(mild cognitive impairment)转化为阿尔兹海默氏症的概率很高,但是若能在MCI阶段对其进行药物治疗是可以康复的,因此提高根据核磁共振图像MRI医学图像诊断的准确率很有必要有。由于医学领域的特点,构建带标注信号的一定规模的数据集非常困难,导致现有机器学习/深度学习方法难以应用于医学影像分析以至于深度学习的结果并不理想。采用数据增广方式对原来数据集的规模进行一定数量的扩充。然后采用一种针对MRI识别的端到端的深度神经网络分类器(MCINet)。结合迁移学习方式对MCINet模型进行有效训练而不至于过拟合。实验结果表明,该方法在较少带标记训练样本的情形下,也获得较高的准确率。     

VBM-DARTEL方法在阿尔茨海默症MRI图像分析中的应用

利用MRI T1成像研究阿尔兹海默症(AD)患者、轻度认知障碍(MCI)相对于正常对照组(NC)的全脑灰质的变化情况。利用DARTEL方法对14例AD患者(AD组)、21例MCI患者(MCI组)及23名健康对照者(NC组)进行分析,并对三组数据的全脑灰质进行基于体素的统计学比较。比较结果是MCI组在右侧海马、杏仁核、楔前叶有轻度灰质萎缩,AD组在双侧颞叶、海马、杏仁核、丘脑有较大的灰质萎缩。结论是利用VBM-DARTEL方法可以显示早期MCI和AD患者脑灰质的改变,有助于AD的早期辅助诊断。     

DIAGNOSING CARDIOVASCULAR DISEASE USING AN ENHANCED ROUGH SETS APPROACH

Cardiovascular disease is a chronic disease and an ongoing threat to human health. Clinical data, including chemistry analysis data and electrocardiogram (ECG) data for heartbeat behavior, are commonly used to classify the cardiovascular diseases in supporting medical diagnosis. This study proposes a new approach for enhancing rough set classifier which applied to diagnose cardiovascular disease. Two datasets were used in this empirical case study to illustrate the proposed approach. Due to its improved accuracy and fewer rules, the proposed approach is superior to listing methods.     

基于深度学习的PD致病基因活性预测

帕金森病PD(Parkinson’s disease)是一种神经性系统疾病,多发于中老年人。目前,该病情的病因和发病机制尚不明确,但根据多国临床试验数据统计与分析,PINKs基因是影响整个PD发病的重要原因之一。针对该基因的活性结构数据进行研究,提出基于深度学习的深度信念网络(DBN)与稀疏自编码(SAE)预测方法。该算法能通过深层网络特征单元自动学习到适合分类器分类的高层非线性组合特征,并将这些高层次特征输入到分类器中进行数据分析。实验结果表明,DBN算法的平均预测精度较SVM与ANN分别提高了28.04%、18.84%;SAE算法的平均预测精度较SVM与ANN分别提高了23.51%、14.31%。所以,提出的基于深度学习的PINKs活性预测方法具有较高的预测精度和稳定性,与理论分布也较为相吻合,适用于该基因活性的研究与探讨。     

基于混合粒子群优化SVM算法的红斑鳞状皮肤病诊断

红斑鳞状皮肤病的诊断是皮肤病科的一个难题,针对这一问题,提出一种基于混合粒子群的支持向量机(SVM)模型HAPSO-SVM来提高红斑鳞状皮肤病的诊断精度。模型考虑了特征选择机制和参数优化两者对SVM模型起着同等重要的作用,使用自适应的混合粒子群算法(HAPSO)同步实现特征选择机制和SVM的参数寻优,同时设计的线性加权多目标函数综合考虑了分类准确率和支持向量个数,从而提高了算法的准确率和效率。结果表明,提出的模型不仅获得了较少的支持向量个数,找出了红斑鳞状皮肤病紧密相关的特征,并且得到了很高的分类准确率,是一种有效的红斑鳞状皮肤病诊断模型。     

DEVELOPMENT OF AN EXPERT SYSTEM FOR CHRONIC OBSTRUCTIVE LUNG DISEASE

The long-term health care of patients suffering from chronic obstructive lung disease or high-risk persons entails time-consuming medical measures taken on the occasion of frequent return visits. It is tedious for the physician to execute this health-care program in a conventional manner. An expert system could effectively assist him in performing this challenging task. This article describes the technical concept of an expert system for this purpose based on the medical foundations outlined in a companion article (Jahn, 1990). The known expert systems for pulmonary diseases cannot sufficiently support the physician involved in this type of health care, since they are, among other things, limited to a “snapshot” approach to patient assessment. In contrast, the expert system now being developed handles temporal changes, gives advice on scheduling appropriate time intervals for return visits, and compares the actual response to therapy with the expected response.     

基于改进TF-IDF算法的牛疾病智能诊断系统

传统的TF-IDF(Term Frequency&Inverse Documentation Frequency)算法提取的关键词不能合理地代表某疾病的症状,降低智能诊断系统的性能。对此,提出一种改进的TF-IDF算法,并将其应用在牛疾病诊断系统中。系统将用户描述的文本内容转换成向量的形式,用TF-IDF算法提取关键症状词,利用余弦定理和可信度计算给出可靠的疾病推荐和治疗方案。实验结果表明,该算法在疾病诊断中准确率和可信度两方面都具有更好的效果。与传统TF-IDF算法相比,平均可信度提高约4%。     

一种用于乳腺疾病检测的新型近红外成像系统

基于近红外光的乳腺癌诊断技术一直是生物医学工作者的研究热点,研制一种用于监测和处理乳腺组织近红外透射光的成像系统。系统选用760nm和850nm两种近红外光分时透射乳腺组织,经同步采集、图像配准、信号分离滤波后计算功率谱、互相关曲线和互相关系数等以研究透射光的频域特性。着重介绍该成像系统的原理以及软硬件模块的设计和实现。     

基于传染病模型的微博信息传播预测研究

随着微博的爆炸式发展,微博已成为消息扩散和舆论传播的重要平台。研究微博信息的传播对市场营销、舆情管控等方面都具有重要意义。根据微博信息传播特点,结合传染病动力学原理,提出基于经典SIR(Susceptible-Infectious-Recovered)传染病模型的微博信息传播预测模型。该模型考虑了微博用户转发行为对信息传播机理的影响,构建具有微博传播特性的演化方程组。实验结果表明,该模型比SISe模型的预测误差更小,可以更准确地拟合和预测微博信息的转发数,从而预测得出微博信息的传播趋势。     

MEDICAL FOUNDATIONS OF AN EXPERT SYSTEM FOR CHRONIC OBSTRUCTIVE LUNG DISEASE

Physicians have already expressed widespread interest in using expert systems. Numerous medical expert systems have appeared, but only a few of them have proven successful. In this article, several criteria that are crucial to the success of an expert system in clinical practice are indicated. The medical foundations of an expert system now being developed according to these criteria are given. The intended purpose of this expert system is to be an effective instrument for the physician in performing the challenging task of caring for patients suffering from chronic obstructive lung disease or high-risk persons. Our aim is to create a system for everyday use that will have several features not provided by the contemporary expert systems in the field of pulmonary diseases. The technical concept of this expert system and especially the pivotal points of its implementation are described in a companion article (Quatember, 1990).