基于时空信息分段融合模型的术中低血压预测

准确提前预测术中低血压的发生对术中选择紧急方案以及降低患者术后的不良风险和死亡率具有积极作用。术中低血压预测目前主要基于术中患者的各项生理指标数据,但现有方法未能充分考虑多指标间的时间信息和空间信息。针对以上问题,提出基于时空信息分段融合模型的术中低血压预测,先使用全卷积网络或残差网络提取局部空间信息,再使用门控循环单元提取时间信息并进行预测。通过对比术中低血压预测常用的深度神经网络模型,在原始和填补的临床数据的术中低血压预测中,不仅提高了低血压事件的预测准确性,还在面对数据填补时表现出一定的容忍度,能够应对噪声和不确定性的影响。

非结构化数据表征增强的术后风险预测模型

准确的术后风险预测对临床资源的规划、应急方案的准备以及患者术后风险和死亡率的降低具有积极的作用。目前,术后风险预测主要基于患者的基本信息、术前的实验室检查及术中的生命体征等结构化数据,蕴含着丰富语义信息的非结构化术前诊断的价值尚待验证。针对上述问题,该文提出一种非结构化数据表征增强的术后风险预测模型,利用自注意力机制,将结构化数据与术前诊断进行信息加权融合。基于临床数据,该文将所提出的模型与术后风险预测常用的统计机器学习模型以及最新的深度神经网络进行对比,在肺部并发症风险预测、ICU入室风险预测和心血管不良风险预测任务上的F1值平均提升了9.533%,同时预测模型还具有良好的可解释性。

基于批数据过采样的中医临床记录四诊描述抽取方法

中医临床记录四诊描述抽取对中医临床辨证论治的提质增效具有重要的应用价值,然而该任务尚有待探索,类别分布不均衡是该任务面临的关键挑战之一。该文围绕中医临床记录四诊描述抽取任务展开研究,首先构建了中医临床四诊描述抽取语料库;然后基于无标注的中医临床记录微调通用预训练语言模型实现该模型的领域适应;最后利用小规模标注数据,采用批数据过采样算法,完成中医临床记录四诊描述抽取模型的训练。实验结果表明,该文提出的抽取方法的总体性能均优于对比方法,并且与对比方法的最优结果相比,该文方法将少见类别的抽取性能F1值平均提升了2.13%。

基于用户空间位置评分云模型的Web服务协同过滤推荐算法

Web服务作为无形的产品,不具备真实环境下的空间地理位置坐标,针对服务推荐中无法衡量用户群体与Web服务之间的距离位置关系,造成用户相似度计算失衡,导致推荐不准确等问题,提出了基于用户空间位置评分云模型的Web服务协同过滤推荐算法。首先基于用户群体的行为数据量化Web服务的热度区域,通过空间位置量化评分描述用户对于Web服务的兴趣偏好;其次利用云模型来描述每个用户空间行为评分的整体特征,设计了云模型间相似贴近度的计算方法,基于该方法提出了一种用户差异程度系数评估算法,并作为调控系数优化了皮尔森相似度量;最后通过协同过滤找出用户感兴趣的Web服务。实验结果表明该算法使得用户行为偏好的区域划分更加精确,在推荐准确率上明显提高,为基于位置的Web服务推荐提供新颖的方案。

一种基于多任务学习的代码补全方法

针对基于语言模型的代码补全方法忽略源代码中结构信息和命名信息而导致补全准确率偏低的问题,提出一种基于多任务学习的代码补全方法(multi-task learning code completion, MTLCC)。MTLCC对源代码数据集进行数据清洗和预处理,通过抽象语法树(abstract syntax tree, AST)提取源代码中的结构信息和命名信息;构建基于Transformer的多任务学习网络,采用软参数共享学习方式分别对源代码的节点类型预测、节点值预测和语句预测进行训练;利用集束搜索对模型推理结果进行后期处理生成代码补全建议列表。实验结果表明,与Pointer network、LSTM+TransformerXL和CodeGPT中最好的模型相比,MTLCC在节点类型预测和节点值预测任务中的准确率分别提升了2.5%和1.7%、MRR分别提升了3.7%和2.4%,在语句预测任务中的ROUGE-L分数(L@4)提升了0.055。

移动社交网络快速社区并行发现算法

针对传统社区发现技术已无法有效处理大规模移动社交网络数据的问题,基于图论知识、网络性质提出山地模型,设计了滑坡算法,采用GraphX分布式图计算框架实现了并行化社区发现算法。模型首先利用模块度的聚类思想初始化山地模型并求取网络中每条边的权重,然后利用滑坡算法,迭代削弱社区间的关系,最终获得网络的社区结构。大量真实和模拟移动社交网络数据上的实验结果表明:所提算法能解决传统社区发现算法无法处理的大规模网络社区划分问题,在保证具有较高的社区识别准确率前提下,在时间性能上较现有并行社区发现算法提高140%以上,16台服务器构成的集群对于1000万个结点构成的大规模网络进行社区发现的时间不超过10 min。

大数据思维下的政府行政流程优化再造方法研究

传统的政府行政流程在工作流程、机构设置、监督机制和人员编制方面都存在一些问题,已有研究分析了上述四个方面存在的问题,并提出改进的方法和建议。当前,大数据产业的发展规模已经十分庞大,将大数据技术与政务相结合已经列入我国国家发展战略的发展目标,现有大部分研究方法和建议已经不符合实际情况,存在较大局限性。本文首先阐述了行政流程及优化再造的内涵,简要例举传统的行政流程和现有优化再造方法;然后分析了大数据思维下政府行政流程优化再造存在的阻碍和问题,调研分析了成都市大数据思维下行政流程优化再造的现状;最后提出政府行政流程优化再造模型,为大数据思维下政府行政流程优化提供新思路。

面向复杂路网低频GPS采样数据新型地图匹配算法

大数据时代低频采样交通轨迹数据呈指数级增长,准确、高效地对复杂路网中产生的海量低频浮动车数据进行地图匹配对出租车载客热点和路线推荐具有重要意义。基于上述考虑,提出了一种基于曲线拟合的改进算法,对缺失的轨迹数据和路网数据分别使用插值和均值化的方法进行补全,利用Geohash技术对路网和轨迹数据进行存储和搜索,充分考虑车辆速度和道路限速因素,使用轨迹点后向向量和路段向量对路候选段进行分析,设计综合评价函数得到最优匹配结果。实验结果表明,与传统垂直投影算法和曲线拟合算法进行对比,所提曲线拟合算法准确率较高,时间效率得到显著提升。

面向稀疏数据集的聚类算法

在聚类过程中数据可能呈现稀疏性,如果仍用传统的欧式距离作为聚类指标,则聚类的质量和效率将会受到严重的影响。受到信息论中KL(Kullback-Leibler)散度的启发,采用基于KL散度的相似性度量方法,先描述数据的整体分布,进而对数据进行聚类。研究结果表明,最后通过实验验证本算法的有效性。这种方法可以利用簇中元素提供的信息来度量不同簇之间的相互关系,克传统欧式距离的缺点,提升算法准确度。

融合口碑和地理位置的竞争关系量化模型

在同类服务或产品中识别和量化竞争是当前竞争关系挖掘领域关注的重要问题。提出科学合理的竞争关系评价指标,构建实体竞争关系综合评价指标体系,使用隐含Dirichlet分布(LDA)模型对消费者口碑评论进行降维和主题提取,构建口碑相似度函数,对实体用户口碑相似度进行量化表示。根据实体地理位置属性,计算实体空间距离,构建实体相邻关系并以具有相邻关系实体的距离作为聚类中心,使用K近邻(KNN)算法对其进行聚类。综合上述技术提出LTM模型,融合了用户评论、实体地理位置属性,量化实体间竞争关系。大量真实移动社交网络数据上实验结果表明所提方法在量化指标制定、实用性和时间性能上具有较大优势。

基于Biterm主题模型的新闻线索生成方法

【目的】为解决生成新闻线索时抽取新闻主题及度量子事件相关性困难的问题,通过动态滑动窗口的方法改进主题模型,提高长文本和短文本新闻主题抽取的质量,并基于抽取出的新闻主题,提出面向新闻事件的新闻线索生成方法。【方法】在主题模型IBTM(Incremental Biterm Topic Model)的基础上,通过动态滑动窗口减小二元词组的提取范围,提出既适合在长文本新闻也适合在短文本新闻上抽取主题的News-IBTM模型,进而基于该模型从新闻数据中抽取主题分布和主题-词分布、推断文档-主题分布,再利用JS散度来度量文档-主题分布的差异,从而生成新闻线索。【结果】在人民网新闻和微博新闻数据上的实验结果表明,无论是长文本新闻还是短文本新闻,News-IBTM在困惑度、准确率及效率上都优于现有的经典主题模型。【局限】News-IBTM以及其他新闻线索生成方法的准确率都不高,还可以进一步提升。【结论】本文方法适合应对长文本和短文本新闻主题抽取的质量问题,并能从新闻事件中获取新闻线索。