我国化工高等教育应对入世的策略

入世后，我国化工高等教育将面临教育主导权、生源、师资、毕业生就业结构、资金与资金、教学思想、课程体系和专业设置等诸多方面的严峻挑战；充分调研、深化教改、加快发展、加强实践能力和素质教育、培养创新人才；同时扩大国际交流、推进国际化进程、加强爱国主义教育、增强民族自豪感应该是应对挑战的基本点。     

伯克利分校化学学院课程评估研究

本文以美国加州大学伯克利分校的杰弗里(Jeffrey A.Reimer)教授开设的“分离工程”和“化学过程分析”两门课程为例,在对该院的教师评价系统进行考察的基础上,明确提出了值得我国高等工程院校研究、思考、借鉴的地方。     

基于购物网站用户搜索日志的商品词发现

商品词是电子商务领域描述商品的新词。主要介绍基于购物网站用户搜索日志的商品词发现的方法。该方法从搜索日志中提取用户查询,对查询进行分词,采用N元递增分步算法和串频统计,计算候选串的条件概率,选择候选商品词。为了降低人工审核的成本,只对产出商品词的准确率进行评价。利用该方法在手机、面霜和香水三类商品的搜索日志上进行了实验,最高准确率达到92.58%。     

EM复合菌群产絮凝剂的絮凝性能

EM复合菌群产絮凝剂的絮凝特性的研究结果表明，其对高岭土悬浮液絮凝率可达90％。通过添加适当助剂可将絮凝率提高至98％，而且pH值2-12范围内，絮凝率均可达到92％以上，而且具备良好的热稳定性。对多种实际污废水的絮凝率达85％-96％，进一步证明该絮凝剂有较宽的适用性。并经初步鉴别为酸性多糖物质。     

基于SVM和CRF双层分类器的英文电子病历去隐私化

去隐私化是2014 i2b2/UTHealth中的一个任务,目的在于识别并移除电子病历中的隐私信息.本文提出了一种基于支持向量机(SVMs)和条件随机场(CRFs)双层分类模型的去隐私化方法,经过预处理将病历文本进行词切分(tokenize)处理,并在此基础上抽取4类特征,训练SVM模型对隐私信息实体边界进行划分并将结果作为特征添加到特征集中,通过CRF训练多分类器,并通过该分类器对各个类别的隐私信息进行识别.实验表明双层分类模型对于隐私信息识别是有效的,结果F值达到0.9110.     

基于标题类别语义识别的文本分类算法研究

本文提出了一种基于标题类别语义识别的文本分类算法。算法利用基于类别信息的特征选择策略构造分类的特征空间,通过识别文本标题中的特征词的类别语义来预测文本的候选类别,最后在候选类别空间中用分类器执行分类操作。实验表明该算法在有效降低分类候选数目的基础上可显著提高文本分类的精度,通过对类别空间表示效率指标的验证,进一步表明该算法有效地提高了文本表示空间的性能。     

磷改性对ZSM-5分子筛石脑油催化裂解性能的影响

以HZSM-5分子筛为载体,以磷酸氢二铵为磷源,采用等体积浸渍法制备了磷改性ZSM-5分子筛,采用吡啶吸附红外光谱法研究了磷改性ZSM-5分子筛的酸性及水热稳定性,在小型固定床反应装置上进行了石脑油催化裂解反应研究.结果表明,适量磷(3％)改性显著改善了ZSM-5分子筛的酸性和水热稳定性,提高了ZSM-5分子筛催化剂的...     

Zr交联煤系高岭土基柱层分子筛的制备及表征

通过聚合锆离子对层状硅酸盐高岭土进行交联制备了锆交联高岭土基柱层分子筛,并对其的性能进行了表征.结果表明,锆交联高岭土的比表面积是原土的5～8倍,其层间距由0.72nm增加到1.42nm.热重分析也证明了锆离子对高岭土的交联.高岭土交联后表面酸量增加,表面有各种强弱不同的酸位分布.     

基于无监督学习的中文电子病历分词

电子病历中包含大量有用的医疗知识,抽取这些知识对于构建临床决策支持系统和个性化医疗健康信息服务具有重要意义。自动分词是分析和挖掘中文电子病历的关键基础。为了克服获取标注语料的困难,提出了一种基于无监督学习的中文电子病历分词方法。首先,使用通用领域的词典对电子病历进行初步的切分,为了更好地解决歧义问题,引入概率模型,并通过EM算法从生语料中估计词的出现概率。然后,利用字串的左右分支信息熵构建良度,将未登录词识别转化为最优化问题,并使用动态规划算法进行求解。最后,在3 000来自神经内科的中文电子病历上进行实验,证明了该方法的有效性。     

基于中文电子病历的心血管疾病风险因素标注体系及语料库构建

本文讨论了从中文电子病历中标注心血管疾病风险因素及其相关信息的问题,提出了适应中文电子病历内容特点的心血管疾病风险因素标注体系,构建了中文健康信息处理领域首份关于心血管疾病风险因素的标注语料库.