维吾尔语中汉族人名的识别及翻译

该文研究了一种维吾尔语中汉族人名的识别和翻译方法。该方法在词典等传统方法的基础上,运用语言模型实现维语中的汉族人名的识别和翻译。针对维语人名的构词和拼写特点,增加了名词词缀识别预处理模块,补充了维语字母到汉语拼音的映射规则,有效提高了人名识别的正确率及召回率。在1 000句含有汉族人名的维语语料上进行测试,汉族人名识别的正确率和召回率分别达到75.2%和91.5%。

基于最大熵的蒙古文人名识别系统的设计与实现

最大熵模型能充分利用上下文,灵活取用多个特征。使用最大熵模型进行蒙古文人名识别,分析蒙古文人名结构及上下文环境,根据语言特点设计特征模板,建立粗选特征集;建立人名知识库,提取精选特征集,训练最大熵模型;实验结果证明,本系统能有效识别蒙古文人名,开放测试的正确率达到94.56%,召回率达到85.15%,F值达到89.61%,识别效果较为理想。

基于语料库的蒙古人名知识库建设与实践

为提取较为完备的蒙古人名特征,以内蒙古大学语料库及网页人名句为基础,采用量化分析的方法,建立普通人名知识库及兼类人名知识库,将知识库归并为14个特征,进行特征选择实验,在直接保留"汉语姓氏映射表"及"汉语人名映射表"等特征集后,鉴于对正确率和召回率的贡献,去除了地名词典、地名后缀词典、机构名后缀词典等3个特征集,保留了9个作为最大熵模型的特征集,从实验结果看,予以保留的特征影响并不相同。

基于数据仓库技术的大数据审计方法研究

近年来,大数据技术的发展和广泛应用给国家经济社会带来了深刻的影响,也给审计工作带来了新的机遇。2014年《国务院关于加强审计工作的意见》明确指出“探索在审计实践中运用大数据技术的途径,加大数据综合利用力度,提高运用信息化技术查核问题、评价判断、宏观分析的能力”。在此背景下,学术界和实务界关于大数据技术在审计工作中的应用展开了广泛的研究。刘星等(2016)阐释了大数据审计的内涵,并提出了推进大数据审计工作所面临的困难与挑战。陈伟等(2017,2018)探讨了网络爬虫、本文挖掘、数据可视化技术在审计领域的应用,以及电子数据审计方向面临的机遇与挑战。

利用GNRI评估老年射血分数保留型心衰患者的预后

目的探讨老年射血分数保留型心衰(HFp EF)患者不同营养状态下的临床特点,评估老年营养风险指数(GNRI)对患者预后的预测价值。方法回顾性分析2018年8月至2019年8月于徐州医科大学附属医院心内科住院治疗的老年HFp EF患者222例,以全因死亡作为终点事件,随访至2021年8月。以GNRI作为营养筛查工具,将患者分为高GNRI组(GNRI>98)和低GNRI组(GNRI≤98)。比较两组患者的基线资料;采用Kaplan-Meier生存分析曲线比较两组间的累积生存率;采用COX比例风险回归模型分析全因死亡的危险因素;采用受试者工作特征曲线(ROC)分析GNRI、白蛋白、体质指数(BMI)对全因死亡的预测价值。结果与高GNRI组相比,低GNRI组患者年龄、N末端脑钠肽前体(NT-proBNP)及血肌酐水平更高,BMI、血清白蛋白、淋巴细胞计数、血红蛋白、三酰甘油、血钠、糖化血红蛋白(Hb A1c)更低(P<0.05)。Kaplan-Meier生存分析曲线显示,低GNRI组患者的累积生存率显著低于高GNRI组(P<0.001)。多因素COX回归模型校正混杂因素后,年龄、GNRI、NT-proBNP为老年HFp EF患者发生全因死亡的独立预测因子。ROC曲线显示,GNRI对老年HFp EF患者发生全因死亡的预测价值优于白蛋白及BMI单独预测,其AUC分别为0.742(95%CI:0.669~0.815,P<0.001)、0.693(95%CI:0.621~0.766,P<0.001)、0.683(95%CI:0.606~0.759,P<0.001)。结论GNRI是老年HFp EF患者发生全因死亡的独立预测因子,低GNRI患者的死亡风险更高。GNRI对全因死亡的预测价值优于白蛋白、BMI。

化学与火星移民

化学一直是一门偏向于实际应用的学科,化学的研究与进步推进着人们生产生活方式的改变。从日常的生活到宇宙的探索,都离不开化学的支持。但限于实际情况,我们中学生对化学的学习以课本理论和简单实验为主体,而对于化学的应用常常比较陌生。本文通过对火星移民的畅想,简要的涉及了几个化学的实际应用,激发了学习化学更将其转化为促进生产的工具的兴趣。