加强医院财务管理提高资金使用效益

面对社会主义市场经济的发展，医疗市场竞争日益激烈，医院要生存、求发展、上水平，医院必须加强财务管理，提高资金使用效益，降低成本，向管理要效益，本文从七方面进行论述。     

COAE2014情感关键句评测任务和评测数据设计

第六届中文倾向性评测(COAE2014)新增了"面向新闻的情感关键句抽取与判定"任务,为了保证评测数据的真实有效性和评测任务的合理性,本文采用了随机抽样法和交叉验证法进行数据采集和标注,制定了符合任务特点的评测指标,提出了基于关键词累积得分和朴素贝叶斯分类器的baseline方法。本评测任务吸引了国内13家研究机构和高校的共同参与,提交的22个结果中有一半的成绩超过了baseline,但是最好的结果离人工标注结果还有很大差距。     

基于语义特征扩展的知识库增量引文推荐算法

将知识库增量引文推荐(cumulative citation recommendation, CCR)任务分解为3个基本的关键问题:针对知识库某一实体名的查询扩展;针对文档和实体的特征提取;基于线性和非线性相结合的分类模型。提出了基于语义词典(DBpedia)与词向量(word embedding)相结合的方法进行查询扩展,以及利用LDA和ESA两种算法对文档进行特征提取,最终通过线性逻辑回归与非线性随机森林相融合的分类算法实现CCR算法。与基线系统相比,该方法在TREC KBA2014评测数据上的试验结果的F1平均提升了14.7%,表明本文设计的方法能够较好地解决引文推荐问题。     

基于COAE2016数据集的中文实体关系抽取算法研究

实体关系抽取是知识图谱技术的重要环节之一。英文实体关系抽取的研究已经比较成熟,相比之下,中文实体关系抽取的发展却并不理想。由于相关语料的匮乏,中文实体关系抽取的发展受到了一定的限制。针对这一问题,COAE2016在任务三中提出了中文实体关系抽取任务。通过分别使用了基于模板、基于SVM与基于CNN的实体关系抽取算法解决了这一问题,并根据其在COAE2016任务三的评测数据集上的效果,对比分析了三种实体关系抽取算法的优缺点。实验证明,基于SVM的算法和基于CNN的算法均在评测数据集上表现出了良好的效果。     

肺肉瘤样癌脑转移的高危因素及预后分析

为探索肺肉瘤样癌临床特征与脑转移之间的关系,建立预测肺肉瘤样癌脑转移发生风险的预测模型,并分析肺肉瘤样癌脑转移的预后。研究纳入监测、流行病学和最终结果(SEER)数据库中816例肺肉瘤样癌患者,收集其临床特征与预后数据。根据是否出现脑转移将患者分为两组,组间比较采用卡方检验或Fisher精确检验。采用单因素和多因素Logistic回归分析脑转移发生的高危因素,并构建预测列线图,使用C指数、校正曲线和决策曲线分析(decision curve analysis, DCA)来衡量列线图的检验效能。采用单因素和多因素COX回归进行肺肉瘤样癌脑转移患者的预后分析。结果表明：年龄、是否接受根治性手术为肺肉瘤样癌患者发生脑转移的独立预测因素。基于此构建了肺肉瘤样癌脑转移的概率预测列线图,C指数为0.768,DCA显示净收益率高,模型临床效能较好。脑转移患者的预后影响因素方面,研究发现,在脑转移基础上合并肺内转移的患者相较于合并其他部位转移的患者OS和CSS明显更差。