基于本体的临床试验数据语义查询

临床试验数据的描述中多自然语言、多专业医学术语的特点使得用户难以通过自定义的关键字快速定位所需的资源。该文采用基于本体的方法实现对于临床试验数据的语义查询。该系统的实现步骤如下:使用OWL(Web on-tology language)构建基于ICD-10和ICMJE标准的本体,包含疾病和临床试验类;从Clinical Trials注册库获取临床试验数据,标注为本体中的临床试验类实例;建立临床试验实例与疾病实例的联系;借助SPARQL实现对于临床试验数据结构化的查询。使用上述方法,用户能够通过疾病实例和相关属性的关键字,表达结构化的语义查询条件,精确定位所需的临床试验。与传统的仅基于关键字匹配的查询方法相比,该方法所表达的查询条件能够更加准确地描述用户的查询需求。     

CCM-MF:基于多维度特征融合的中文文本分类模型

针对中文文本中不同维度特征所携带的语义信息具有差异性的问题,本文提出一种基于多维度特征融合的中文文本分类模型：CCM-MF (Chinese-text Classification Model Based on Fused Multi-dimensional Features)。该模型融合层次维度和空间维度特征,以提高中文文本分类的准确率。首先,在层次维度上,使用预训练模型ERNIE (Enhanced Representation through Knowledge Integration)获取包含字、词及实体级别特征的词向量;然后,在空间维度上,将包含层次维度特征的词向量分别输入到改进后的深度金字塔卷积神经网络(Deep Pyramid Convolutional Neural Networks,DPCNN)模型及附加注意力机制的双向长短期记忆网络(Attention-Based Bidirectional Long Short-Term Memory Networks,Att-BLSTM)模型中,得到局部语义特征和全局语义特征;最后,将得到的空间维度特征分别作用于Softmax分类器,再对计算结果进行融合并输出分类结果。通过在多个公开数据集上进行实验,较现有主流的文本分类方法,本模型在准确率上有更好的表现,证明了该模型的有效性。     

基于多语义文本表示的自适应模糊聚类算法

由于词语的多语义问题和传统的文本表示与聚类过程相互独立的问题,导致文本聚类准确率较低。针对上述问题提出一种基于多语义文本表示的自适应模糊C-均值(Multi-semanticSrepresentationSbasedSadaptiveSfuzzySC-means, MSR-AFCM)聚类算法。通过将词语软聚类划分成多个词簇构建多个语义空间,将语义空间个数作为文本初始聚类数目,利用词语的语义隶属度计算每个文本属于文本空间的语义隶属度,并以此为对隶属度进行初始化。在算法运行过程中,根据更新的文本语义隶属度和文本分布状况,逐步剔除冗余的文本空间,以达到优化聚类数目的目标。实验结果表明,MSR-AFCM算法相较于传统的聚类算法有更高的准确率和兰德系数,验证了算法的有效性。     

基于编辑距离的中文组织机构名简称-全称匹配算法

在面对中文语言环境下组织机构名简称-全称匹配这一具体问题时,经典的基于编辑距离进行字符串相似匹配方法的实用性有所下降。基于编辑距离的思想,提出了一种改进匹配算法:首先对简称和全称进行分词,以切合中文的语法结构特点;之后结合重定义的词汇语义相似度度量方法,修改编辑操作权重,并通过自适应学习的方式进一步修正;最后选择与简称编辑距离最小的全称作为匹配结果。实验结果表明,该算法匹配准确率比原始方法有较大提升。     

一种基于图和本体的Web服务合成算法

为了实现Web服务合成的自动化、高效化,给出了一种支持语义的Web服务合成算法。该算法首先利用本体的推理功能实现可用服务集的构造,其次采用分步法进行服务合成图(Web ServiceComposition Graph,WSCG)的构造,最后通过图的搜索技术实现合成方案的选择,经实验测试表明该算法具有良好的合成效率和成功率。     

基于改进的MapReduce模型的Web挖掘

基于单一服务器的Web挖掘系统在处理海量数据集时计算能力不足,针对该问题,提出了一种基于云计算的挖掘方法。将大数据集和挖掘任务分解到多台计算机上并行处理。实现了一个基于Hadoop开源框架的并行Web挖掘平台,同时提出了一种改进的MapReduce模型——MapReduce-LP。并通过对电子商务系统中Web日志的挖掘工作验证了系统的有效性和新模型的高效性。实验表明,在集群中使用云计算技术处理大数据集,可以明显提高挖掘效率。     

基于Web的脑肿瘤辅助决策系统的设计和实现

 随着磁共振图像和波谱在脑肿瘤诊断中的应用研究的日益增多,迫切需要建立数据库来存储管理大量的磁共振图像、波谱数据以及病人信息,并开发数据共享平台,为进一步的分析研究提供便利.本文采用MYSQL+Apache+PHP的B/S/S体系结构设计开发了一个基于Web的脑肿瘤诊断辅助决策系统,系统使用基于MVC模式的Zend框架,实现了用户信息管理,病人病历管理,磁共振图像和波谱数据的查询、下载、上传,脑肿瘤体积计算和位置显示等功能,为医生、波谱研究人员、三维重建人员提供了便利,为磁共振波谱对脑肿瘤的进一步研究奠定了基础,对远程医学资料共享和远程诊断具有实用价值.     

Web2.0时代的数字图书馆

介绍了Web2.0的定义及相关技术,指出了Web2.0具有交互性、个性化、相关性和开放性的特点,阐述了Web2.0在数字图书馆中的典型应用,探讨了图书馆在应用Web2.0技术中存在的问题。     

基于决策实验室分析法及解释结构模型的交通隧道施工事故致因链构建

为明确交通隧道施工事故致因之间纵向影响关系及层级结构,本文从事故发生全过程视角出发,在利用文本挖掘技术构建事故致因体系的基础上,借助决策实验室分析法（DEMATEL）及解释结构模型（ISM）判断各致因的重要性程度,建立事故致因多级递阶结构模型,确定关键致因因素,构建关键致因影响链,深入分析其纵向影响关系,并以WLM隧道为例进行验证,证实其实用性。研究结果表明：5方面20项交通隧道施工事故致因间存在明显的层级结构;人员、管理及环境因素对技术因素、机械设备与材料因素存在直接影响作用,其中安全意识及素养、安全监管、施工方案及各类环境因素在事故致因体系中占据重要位置,对其进行有效管控是良好安全管理的体现。本研究可为交通隧道施工安全管理提供参考与依据。     

基于ArcXML的路政信息发布系统的设计与实现

为了解决传统参数帧描述WebGIS通信协议的不足,研究了在ArcIMS的平台上,以ArcXML为传输协议的路政信息的网络发布.针对系统生成ArcXML请求信息和解析返回应答信息的不足,结合路政信息的要素特征,提出了ArcXML协议的封装方法.该方法有效降低了系统开发的复杂度,方便了协议扩展和功能扩展.最后,以路政信息发布系统为例,验证了该方法的可行性和有效性.