基于图嵌入的社交媒体药物不良反应事件检测方法

药物不良反应事件是造成患者发病、死亡的主要原因之一．传统的基于患者自发报告系统存在较为严重的漏报情况,近年来将推特等社交媒体作为数据来源进行药物不良反应事件检测的研究愈发受到重视．各种深度学习模型通常依赖于大量的训练样本,然而受限于数据来源的特质和耗时的数据标注工作,该领域的相关研究面临标注数据规模小、数据噪声大等问题,制约了这些模型发挥良好的效果．据此,在文本表示层面引入基于图嵌入数据增强和对抗训练两种正则化方法,提升模型在低资源高噪声下的药物不良反应事件检测效果．通过实验,具体分析和讨论两种方法的适用范围,结合卷积神经网络,提出一种同时发挥其优势的药物不良反应事件检测模型,实验结果显示其具有良好的适用性．     

一种离散粒子群算法在对等网络邻接选择问题中的应用

在P2P邻接选择模型的基础上对针锋相对策略提出一种适应值甬数选取的方法,给出使用离散粒子群算法的求解方法.定义了约束算子使即将越界的粒子随机跳回某一个边界值,既解决了约束问题,又利用了候选解之间的联系.实验结果表明,对于大规模的邻接选择问题,本方法在收敛速度和结果方面均好于遗传算法.     

基于概念和统计的问答系统实现机制

问答系统与搜索引擎相比答案精练准确、“噪音”较少．为此给出了基于概念和统计的问答系统实现机制．首先确定焦点类型和答案类型,对于不同类型的焦点实行分级概念扩充;以段落为基本单元,利用潜在语义分析技术获取相关文本段落;给出了问题与句子的匹配算法和基于问题相似度的答案抽取算法,通过对语料进行潜在语义索引和增加FAQ反馈,不断增强系统的回答能力．依此研制的大学概况问答系统获得了较好的效果．     

地理信息检索中基于文档地名感知的排序方法

为了降低与主题不相关的地名对地理相关性产生的负面影响,提出一种基于文档地名感知的排序方法.该方法不确定文档的地理范围,而是分别计算文档中出现的每个地名与查询范围的相关性,以减小文档中不相关地名对检索结果的影响.实验表明,基于文档地名感知的方法的检索效果优于确定最小边界矩形的方法和基于tf-idf的方法.     

地理信息检索中基于文档地名感知的排序方法

为了降低与主题不相关的地名对地理相关性产生的负面影响,提出一种基于文档地名感知的排序方法。该方法不确定文档的地理范围,而是分别计算文档中出现的每个地名与查询范围的相关性,以减小文档中不相关地名对检索结果的影响。实验表明,基于文档地名感知的方法的检索效果优于确定最小边界矩形的方法和基于tf-idf的方法。     

基于锚文本相似度的链接算法

对链接算法在搜索引擎检索结果排序中的应用进行研究,提出基于Page Rank和锚文本对检索结果进行二次排序,合理评价网页重要程度.实验结果表明,该方法在一定程度上能提高检索效果.     

深化实践教学改革,培养高质量创新人才

实践教学环节是高等院校工科专业的重要教学环节,对于提高学生工程实践能力和创新能力具有极其重要的作用。文中针对培养高质量计算机创新型人才的目标,结合实践教学体系建设经验,介绍了大连理工大学电子信息与电气工程学院深化计算机专业实践教学改革的探索和实践。为我国工科院校创新人才培养提供了一定的参考。     

基于社会化标注和网页分类的个性化检索方法

Web2.0为信息检索提供了很多可以使用的资源,其中两种资源对于个性化检索而言非常有益,那就是社会化标注和网页分类信息。用户给出的标签反映了其对于网页的认识和思考,而用户标注过的网页的类别则反映了用户在选择时的偏好和兴趣,两者的结合使用对个性化检索能起到良好的效果。在仅使用社会化标注进行个性化检索的方法上,提出基于标注和网页分类进行个性化检索的方法,通过两者结合筛选出兴趣和偏好相近的用户,进行用户属性的扩展,并在扩展时考虑用户的质量,从而能在个性化检索中取得更好的结果。在真实数据集上的实验表明,本文方法具有一定的优势。     

情感图式构造及其在文本情感计算中的应用

在认知评价理论的基础上,将情境刺激及评价行为映射到多级概念空间中.借助HowNet和同义词林,使用基于模式的上下位关系获取方法,构造了4种情感图式.结合认知语境和语用推理,将其运用于句子级文本情感计算中.实验结果表明:情感图式可以有效地辅助文本情感分析,提高分析准确率.     

基于词向量和EMD距离的短文本聚类

短文本聚类在数据挖掘中发挥着重要的作用,传统的短文本聚类模型存在维度高、数据稀疏和缺乏语义信息等问题,针对互联网短文本特征稀疏、语义存在奇异性和动态性而导致的短文本聚类性能较差的问题,提出了一种基于特征词向量的文本表示和基于特征词移动距离的短文本聚类算法。首先使用Skip-gram模型(Continuous Skip-gram Model)在大规模语料中训练得到表示特征词语义的词向量;然后利用欧式距离计算特征词相似度,引入EMD(Earth Movers Distance)来计算短文本间的相似度;最后将其应用到Kmeans聚类算法中实现短文本聚类。在3个数据集上进行的评测结果表明,效果优于传统的聚类算法。