人工智能数据采集在慢性乙型肝炎患者真实世界研究中的应用

目的:开发一套慢性乙型肝炎(乙肝)的人工智能(AI)数据采集工具,以解决传统的多中心数据采集效率低下的问题。方法:基于国际通用的数据标准,将AI的文字识别和自然语言处理应用于慢性乙肝真实世界队列研究数据采集,实现多种格式数据(包括图片格式的原始数据)的电子化采集、结构化处理,随后自动将数据填入研究电子数据采集(REDCap)系统中的电子病历报告表(eCRF)。结果:AI工具辅助数据采集与纯人工数据采集具有相同的平均准确率,均达到98.66%(P=0.23),但前者所需时间减少75.49%(P<0.05)。结论:本研究开发的AI数据采集工具可显著提高研究数据采集效率,为真实世界研究数据采集提供了新的模式。     

面向自然语言处理的藏语虚词la格研究

藏语虚词研究是藏语自然语言处理中一项不可缺少的基础性工作,有着极其广泛的实际应用价值.它是藏文信息处理的核心和藏语自然语言理解的基础,在藏文校对、信息检索、双语对译、自动分类等技术中有着广泛的应用前景.文章在前人研究的基础上,结合信息处理,从不自由虚词的分类体系、形式化描述等角度对藏语虚词la格的语法功能做了一些探讨,重点论述了藏语虚词la格的语法功能,提出藏语虚词规范的初步设想和处理方法.     

基于扩展特征向量空间模型的多源数据融合

本体资源的扩充是自然语言处理的关键问题之一。传统的从单一数据源获取的信息其覆盖率较低,亟需建立一个整体的数据管理平台,对数据资源分类存储与整理。为此提出了AVP数据平台,构建AVP平台所面临的重要问题是多源数据的融合,即将不同来源的网站数据进行语义角色标注,对歧义词条进行识别判断,并最终归并到以义项为基本单位的数据仓库中;为解决多源数据融合的语义角色标注问题,给出了一种自动语义判歧方法。其基本思想是利用词条中的属性值对作为特征模板,并借助于属性值的共现概率,应用扩展向量空间模型对词条进行歧义识别。通过大量的实验对比可知,该系统在各方面均取得优异的成绩,所提出的算法能够很好地解决多源数据融合中的语义判歧问题。     

双语词汇自动获取系统

介绍了一个基于Internet的双语词汇获取系统,提出了根据文本结构信息和内容信息进行对齐的方法,该方法的实现不依赖于任何语言的特点,从对齐结果中自动抽取双语词汇,系统最终的结果词汇又被用作鉴定未知词汇的依据,所提取出的词汇反映了大量的新词、专有名词和在不同上下文里的各种译文,可以应用在机器翻译呼多语种信息检索中。     

基于自然语言表达的目标检测算法

为帮助机器人根据自然语言表达定位环境中的物品,提出一种快速、端对端的基于自然语言表达的目标检测算法:同时训练一个卷积神经网络与一个循环神经网络来学习视觉与文本信息.循环神经网络用于将自然语言编码为向量,卷积神经网络用于获取图片中的区域特征信息.对比图片中的区域特征与自然语言特征,相似度高的即为目标区域.在开源数据库UNC-Ref与G-Ref中训练并测试了该模型,证明了该模型的快速性与准确性.     

基于事件的文本相似度计算

大量研究成果已经表明,事件在很多文本中是客观存在的.从语义的角度理解,诸多文本是由事件组成的,事件是文本表示的最小语义单位.给出了基于事件的文本表示模型,在此模型的基础上,从文本类型相似度计算和文本内容相似度计算两个层面论述了文本相似度计算的方法.     

一个基于金融混合数据的智能问答模型

智能问答系统（Question Answering System,QAS）是一种让人类通过自然语言与机器进行问答来获取信息的人机交互系统,是自然语言处理的一个集综合性与广泛性于一体的应用．现有的智能问答系统模型研究主要考虑单一型数据．然而,现实生活中结合表格和文本的混合型数据十分普遍,如金融领域的财务报表．本文对已有的财务报表智能问答模型进行改进并提出了一个新模型,该模型有更好的效果．     

HowNet与意义的计算

语言是人类思想的基本承载者，而且是人类交流最重要的工具，当第一台计算机于20世纪40年代出现时，人们试图完成的第一个应用是处理的自然语言，例如开发自动翻译系统。自然语言处理是人工智能的一个子领域，它瞄准了两个紧密相关的目标；一个是使得计算机能够利用自然语言的能力与人类相互作用，第二是应用，包括自动文本理解、从数字化图书馆析取知识、信息检索、问题应答系统、机器翻译、自动文本概括、语音识别和语音合成等。与此同时，一门新的研究学科——计算语言学诞生了。HowNet不是本体论或类属词典，也不是类似于WordNet这样的词汇数据库。HowNet是适用于人类语言技术的意义计算在线附加语言知识系统。本书是对自然语言处理和HowNet全景描述及实例研究的进一步的语言知识理论探索。书中对有关高层次的HowNet规范定义作了极具特色的讨论，例如事物、部分、属性、时间、空间、事件和属性值以及它们之间的关系，对在HowNet背后创作者哲学的深入讨论是本书最有价值的部分。本书同时介绍了HowNet的意义可计算性的吸引力，描述了意义计算软件怎样能够收集这样多相关的词汇与表达式，并且在任何两个词或表达式之间给出它们的相似性值。     

基于多头注意力胶囊网络的文本分类模型

文本序列中各单词的重要程度及其之间的依赖关系对于识别文本类别有重要影响。胶囊网络不能选择性关注文本中重要单词,并且由于不能编码远距离依赖关系,在识别具有语义转折的文本时有很大局限性。为解决上述问题,该文提出了一种基于多头注意力的胶囊网络模型,该模型能编码单词间的依赖关系、捕获文本中重要单词,并对文本语义编码,从而有效提高了文本分类任务的效果。结果表明:该文模型在文本分类任务中效果明显优于卷积神经网络和胶囊网络,在多标签文本分类任务上效果更优,能更好地从注意力中获益。     

基于社会关系网络的半监督情感分类

基于样本的社会关系, 提出一种新的半监督学习方法, 创建一种基于文档?词及社会关系的二部图模型, 并根据标签传播算法将未标注样本加入到分类器的构建中。实验结果表明, 加入社会关系网络的半监督情感分类方法明显优于传统的仅利用评论文本信息的半监督情感分类方法。