蛋播视频一区,无码鲁丝一区二区,精品 久久 五月天,国产老熟女,五月草草在线观看,中文日韩欧美,情色一区二区三区,欧美日韩亚洲激情在线,亚洲制服在线香蕉

重磅發(fā)布 | 2027中央財(cái)經(jīng)大學(xué)金融學(xué)院第一期“金融MBA體驗(yàn)營”暨前沿公開課報(bào)名開啟

MBA導(dǎo)師 韓普 | 潛心醫(yī)療健康大數(shù)據(jù)分析(互聯(lián)網(wǎng)+大數(shù)據(jù)特色MBA項(xiàng)目的研究領(lǐng)域之一)

南京郵電大學(xué)MBA
2022-01-07 12:47 瀏覽量: 2699
?智能總結(jié)

隨著社會(huì)信息化的快速發(fā)展,人們對(duì)醫(yī)療健康信息的需求與日俱增。公開數(shù)據(jù)顯示,百度每天搜索量約60億次,其中25%與疾病健康有關(guān)?;ヂ?lián)網(wǎng)的蓬勃發(fā)展為公眾的健康需求提供了一個(gè)平臺(tái),但同時(shí)互聯(lián)網(wǎng)信息爆炸使得必...

隨著社會(huì)信息化的快速發(fā)展,人們對(duì)醫(yī)療健康信息的需求與日俱增。公開數(shù)據(jù)顯示,百度每天搜索量約60億次,其中25%與疾病健康有關(guān)。互聯(lián)網(wǎng)的蓬勃發(fā)展為公眾的健康需求提供了一個(gè)平臺(tái),但同時(shí)互聯(lián)網(wǎng)信息爆炸使得必須借助大數(shù)據(jù)分析和人工智能等技術(shù)進(jìn)行處理。與傳統(tǒng)數(shù)據(jù)不同的是,醫(yī)療健康數(shù)據(jù)的多源異構(gòu)性、復(fù)雜性和海量性以及臨床和用戶的信息需求給傳統(tǒng)的數(shù)據(jù)分析和處理帶來了巨大挑戰(zhàn)。隨著大數(shù)據(jù)和人工智能技術(shù)的迅速發(fā)展以及相關(guān)應(yīng)用的日趨成熟,醫(yī)療健康數(shù)據(jù)分析迫切需要新的突破。醫(yī)療實(shí)體識(shí)別是醫(yī)療領(lǐng)域信息處理的基礎(chǔ),并且已經(jīng)成為醫(yī)療健康信息抽取和知識(shí)發(fā)現(xiàn)中重要的研究方向。在針對(duì)電子病歷的醫(yī)療實(shí)體識(shí)別研究中,提出了融入外部語義特征的中文電子病歷實(shí)體識(shí)別模型,該模型首先利用word2vec將大規(guī)模的未標(biāo)記文本生成具有語義特征的字符級(jí)向量,接著通過整合醫(yī)療語義資源以及實(shí)體邊界特征分析構(gòu)建了醫(yī)療實(shí)體及特征庫,將其與字符級(jí)向量相拼接以更好地挖掘序列信息,最后采用改進(jìn)的Voting算法將深度學(xué)習(xí)結(jié)果與CRF結(jié)果相整合以糾正標(biāo)簽偏置。針對(duì)醫(yī)學(xué)文獻(xiàn)術(shù)語存在專業(yè)性強(qiáng)、規(guī)模龐大、特征復(fù)雜和抽取難度大的問題,提出了一種高效的中文醫(yī)學(xué)文獻(xiàn)實(shí)體識(shí)別模型MFA-BERT-BiLSTM-CRF,該模型在傳統(tǒng)模型的基礎(chǔ)上,利用BERT訓(xùn)練獲得含有豐富語義信息的特征向量,同時(shí)引入醫(yī)學(xué)領(lǐng)域知識(shí)特征和自注意力機(jī)制以挖掘更深層次的語義特征,進(jìn)一步提升了醫(yī)學(xué)實(shí)體識(shí)別效果。社會(huì)化媒體中大部分網(wǎng)民對(duì)醫(yī)療健康問題表述不僅不夠規(guī)范,而且存在大量口語化表述。如何將用戶非標(biāo)準(zhǔn)化表述映射到標(biāo)準(zhǔn)的醫(yī)學(xué)術(shù)語,已經(jīng)成為醫(yī)療健康信息處理和知識(shí)挖掘的關(guān)鍵環(huán)節(jié)。在中文醫(yī)療實(shí)體歸一化研究方面,首先基于在線健康社區(qū)構(gòu)建中文疾病名稱歸一化數(shù)據(jù)集;接著采用LSTMGRUCNN模型進(jìn)行中英文對(duì)照實(shí)驗(yàn),然后利用word2vecGlove生成外部語義特征向量,并通過CNN模型進(jìn)行驗(yàn)證;最后在自注意力機(jī)制基礎(chǔ)上,提出多特征融合的中文疾病名稱歸一化模型MTCF-CNN,該模型可以更好地利用全局和局部語義特征。此外,還基于多任務(wù)學(xué)習(xí)和多態(tài)語義特征提出了中文疾病名稱歸一化模型MTAD-BERT-GCNN,該模型能夠更好地利用多任務(wù)學(xué)習(xí)捕獲多態(tài)語義信息,通過共享多任務(wù)間權(quán)重參數(shù)以深度挖掘文本語義信息從而達(dá)到最優(yōu)效果。

韓普老師也承擔(dān)了MBA碩士論文的指導(dǎo)工作。小編分享韓老師在醫(yī)療健康大數(shù)據(jù)領(lǐng)域的最新研究,感興趣的讀者可以閱讀。置頂留言是韓老師的電子郵箱地址。中文文章下載自中國知網(wǎng),外文文章下載自對(duì)應(yīng)期刊網(wǎng)站,在此一并表示感謝。“考慮隱私保護(hù)的醫(yī)療數(shù)據(jù)共享意愿研究——基于演化博弈的視角”發(fā)表在《現(xiàn)代情報(bào)》(01)

“基于多特征融合的中文疾病名稱歸一化研究”發(fā)表在《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》(05)

“隱私保護(hù)視角下醫(yī)療數(shù)據(jù)共享意愿研究——基于三方演化博弈分析”發(fā)表在《現(xiàn)代情報(bào)》(03)

“基于特征融合和多通道的突發(fā)公共衛(wèi)生事件微博情感分析”發(fā)表在《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》(11)

“基于多任務(wù)學(xué)習(xí)和多態(tài)語義特征的中文疾病名稱歸一化研究”發(fā)表在《情報(bào)學(xué)報(bào)》(11)

“Chinese Q&ACommunity Medical Entity Recognition with Character-Level Features andSelf-Attention Mechanism” 發(fā)表在“INTELLIGENT AUTOMATION AND SOFTCOMPUTING”(01)

內(nèi)容編輯:凌墨

(本文轉(zhuǎn)載自 ,如有侵權(quán)請(qǐng)電話聯(lián)系13810995524)

* 文章為作者獨(dú)立觀點(diǎn),不代表MBAChina立場。采編部郵箱:news@mbachina.com,歡迎交流與合作。

收藏
訂閱

備考交流

  • 【MBAChina 官方社群矩陣】
  • 涵蓋 199管理類聯(lián)考備考 · 復(fù)試調(diào)劑 · 博士申請(qǐng) · 中外合辦學(xué) 四大板塊。
  • ??2027 MBA/MPA/MEM/MPAcc /EMBA聯(lián)考備考群
  • ??2026 管理類聯(lián)考復(fù)試調(diào)劑群
  • ??博士項(xiàng)目交流群
  • ??中外合作辦學(xué)項(xiàng)目群
  • ?? 添加微信:MBAChina001
  • 備注【報(bào)考項(xiàng)目】,邀請(qǐng)您加入專屬交流群
免費(fèi)領(lǐng)取價(jià)值5000元MBA備考學(xué)習(xí)包 購買管理類聯(lián)考MBA/MPAcc/MEM/MPA大綱配套新教材

掃碼關(guān)注我們

  • 獲取報(bào)考資訊
  • 了解院?;顒?dòng)
  • 學(xué)習(xí)備考干貨
  • 研究上岸攻略

最新動(dòng)態(tài)

    MBAChina 掃碼關(guān)注

    掃碼關(guān)注 MBAChina

    EMBA 掃碼關(guān)注

    掃碼關(guān)注
    EMBA

    浙江省| 林周县| 黎城县| 鄂伦春自治旗| 九龙城区| 万州区| 吉水县| 安顺市| 囊谦县| 南皮县| 岱山县| 康定县| 巩义市| 方城县| 兴化市| 吉安县| 玉龙| 彭泽县| 崇礼县| 额济纳旗| 广饶县| 彭山县| 花莲市| 宿松县| 潮州市| 延津县| 洱源县| 桐城市| 禹城市| 长阳| 平利县| 霍邱县| 三明市| 乌什县| 浦县| 永仁县| 龙川县| 德安县| 武功县| 乐清市| 黎城县|