排序方式: 共有17条查询结果,搜索用时 15 毫秒
1.
中医诊断古文存在大量单音词,使用通用切词技术处理,结果是单个的分词结果,不能构成一个完整的诊断词汇。对此,设计一个基于键值对模型的中医诊断词性标记集,提出基于词汇联系的隐马尔可夫模型(HMM ),进行词性标注,结合词法分析,采用移进归约算法进行特征重组,生成中医诊断词汇。实验结果表明,改进的 HMM 的词性标注准确率在训练集和测试集中分别提高了2?58%和1?02%,特征重组结果是完整独立的诊断词汇,方便中医人员进行诊断分析,适合构成向量空间模型的特征。 相似文献
2.
中医方药知识纷繁复杂,难以记忆,导致中医临床和教学在辨证分类与方剂选用之间存在脱节情况。本文基于Android开放性平台,采用嵌入式数据库以及异构数据同步技术,设计实现了集证、方、药的学习查询、辅助开方、处方管理以及方药信息挖掘等功能的综合性方药信息平台。数据同步以行业通用的移动数据同步协议SyncML为基础,在SyncML的java开源实现funambol项目的框架上进行二次开发,以实现子系统间异构数据同步。系统建立和完善了证候和方药之间的关系,改善了中医药知识的传播和交流方式。 相似文献
3.
ARM平台是目前Linux内核移植的一个重点。本文对Linux内核向ARM平台移植中BootLoader的概念进行了介绍并结合一个典型的嵌入式系统BootLoader实例对BootLoade结构进行了分析,阐述了其实现原理和移植方法。 相似文献
4.
超声吸收体的边界条件分析对于求解超声吸收体表面温升与入射波声强的函数关系至关重要。通过分析在超声吸收体与水和与空气界面处超声辐照的物理过程,分别得到超声吸收体与水界面处的平均传热系数与焦点声强之间的函数关系式和超声吸收体与空气界面处的复合传热表面系数与温差的函数关系式。通过仿真分析了不同条件下两个界面处的传热系数对超声吸收体与空气界面温升的影响。实验结果表明,当辐照时间较短时,对于超声吸收体与空气界面的温度变化,超声吸收体与水界面可以认为是一个无限远且温度恒定的边界,超声吸收体与空气界面可以认为是一个符合第一类边界条件的连续热传导。 相似文献
5.
6.
混合实时事务的接纳控制机制ACMHRTT 总被引:3,自引:0,他引:3
提出了一种含有实时和非实时两部分的混合实时事务接纳控制机制ACMHRTT(Admission Control Mechamsm for Hybrid Real-Time Transactions)。ACMHRTT将混合事务分为真实时和非实时两部分,综合考虑混合事务的执行需求和价值,目的是为保留系统资源,有效控制负载,减少了被系统接纳执行后而又不能满足截止期的事务,提高实时数据库系统事务处理的成功率和可靠性,使系统收益最大化。着重分析了ACMHRTT的模型,对ACMHRTT与传统的ACM作了分析比较,说明了比传统的ACM协议更优,并提出了须进一步研究的问题。 相似文献
7.
目的考察应用中和剂0.1 mol/L MnSO4溶液是否影响氟喹诺酮类药物无菌及微生物限度检查法。方法按无菌检查法验证实验的要求,在100 mL硫乙醇酸盐流体培养基中分别以不加和加入MnSO4溶液3 mL,再加入等量试验菌,观察规定时间内各试验菌生长是否良好。按微生物限度检查法验证实验的要求,在培养基中分别以不加和加入MnSO4溶液1 mL,冲洗液中加入等量试验菌,测定试验菌的回收率。结果无菌检查法中,试验组加MnSO4溶液的试验菌生长良好,而不加MnSO4溶液的试验菌未生长。在微生物限度检查法中,试验组不加MnSO4溶液的试验菌回收率均大于70%,而加MnSO4溶液的试验菌回收率均低于70%。结论应用中和剂影响氟喹诺酮类药物无菌及微生物限度检查。 相似文献
8.
三元组抽取是知识学习、图谱构建的基础性工作。针对当前任务模型多存在实体识别与关系抽取语义关联不强、实体嵌套、关系重叠,以及既有概念知识关注不多等问题,融合形式化概念与神经网络模型,提出一种基于关系形式化概念的端到端三元组抽取方法。提出关系形式化概念标签,以统一实体与关系的语义表达,把实体识别问题转换为概念标签学习问题;将实体输入到关系形式化概念注意力模型,该注意力机制力图捕获关系主客体概念的连通内涵特征,即训练获得每个关系标签对应的主客体及它们上下文依存谓词的综合特征;通过多个关系分类器输出每对主客体的多关系标签,实现基于概念连通的多关系抽取;另外模型还可引入既有形式化概念的外延、内涵,以改善模型对语料标签的依赖,以及实体嵌套导致的标记难题。实验基于两份数据集,采用三种评价指标对模型性能进行评价分析。实验结果证明提出的模型在知识抽取上具有切实可行的效果,可改善实体嵌入、关系重叠问题。 相似文献
9.
10.
探索证素辨证规律能更好地辅助临床决策和促进中医辨证理论的传承。中医文本句式结构复杂、表述标准不一,难以匹配符号规则,且神经网络黑盒特性又难以直接解释其辨证过程。为探索中医证素辨证规律,第一阶段使用神经网络模型对证素进行多标签分类,通过稀疏注意力捕获与证素相关的关键词及其权重生成证素表征;第二阶段使用随机森林对融入相关证素标签的证素表征进行分类训练,后对随机森林规则提取以探索辨证规律,提高证素辨证的可解释性。实验结果表明,该方法提升了证素辨识的准确率,同时F1保持较高水平,有利于探索证素辨证规律。 相似文献