中国轨道交通技术领域专利活动实证分析

在概括中国轨道交通发展和现有研究的基础上,利用"上海知识产权(专利信息)公共服务平台"和"Innog-raphy专利信息检索分析平台",从年度趋势、专利类型、申请人、发明人、生命周期、技术构成等角度,对整个中国轨道交通产业的专利活动进行多角度的分析和研究,从而剖析中国轨道交通领域专利保护现状、发展趋势以及竞争态势。

基于多通道特征和自注意力的情感分类方法

针对情感分析任务中没有充分利用现有的语言知识和情感资源,以及在序列模型中存在的问题:模型会将输入文本序列解码为某一个特定的长度向量,如果向量的长度设定过短,会造成输入文本信息丢失.提出了一种基于多通道特征和自注意力的双向LSTM情感分类方法(MFSA-BiLSTM),该模型对情感分析任务中现有的语言知识和情感资源进行建模,形成不同的特征通道,并使用自注意力重点关注加强这些情感信息.MFSA-BiLSTM可以充分挖掘句子中的情感目标词和情感极性词之间的关系,且不依赖人工整理的情感词典.另外,在MFSA-BiLSTM模型的基础上,针对文档级文本分类任务提出了MFSA-BiLSTM-D模型.该模型先训练得到文档的所有的句子表达,再得到整个文档表示.最后,对5个基线数据集进行了实验验证.结果表明:在大多数情况下,MFSA-BiLSTM和MFSA-BiLSTM-D这两个模型在分类精度上优于其他先进的文本分类方法.

基于多特征自注意力BLSTM的中文实体关系抽取

实体关系抽取解决了原始文本中目标实体之间的关系分类问题,同时也被广泛应用于文本摘要、自动问答系统、知识图谱、搜索引擎和机器翻译中。由于中文句式和语法结构复杂,并且汉语有更多歧义,会影响中文实体关系分类的效果。该文提出了基于多特征自注意力的实体关系抽取方法,充分考虑词汇、句法、语义和位置特征,使用基于自注意力的双向长短期记忆网络来进行关系预测。在中文COAE 2016Task 3和英文SemEval 2010Task 8数据集上的实验表明该方法表现出了较好的性能。

基于多通道双向长短期记忆网络的情感分析

当前存在着大量的语言知识和情感资源,但在基于深度学习的情感分析研究中,这些特有的情感信息,没有在情感分析任务中得到充分利用。针对以上问题,该文提出了一种基于多通道双向长短期记忆网络的情感分析模型(multi-channels bidirectional long short term memory network,Multi-Bi-LSTM),该模型对情感分析任务中现有的语言知识和情感资源进行建模,生成不同的特征通道,让模型充分学习句子中的情感信息。与CNN相比,该模型使用的Bi-LSTM考虑了词序列之间依赖关系,能够捕捉句子的上下文语义信息,使模型获得更多的情感信息。最后在中文COAE2014数据集、英文MR数据集和SST数据集进行实验,取得了比普通Bi-LSTM、结合情感序列特征的卷积神经网络以及传统分类器更好的性能。

C反应蛋白联合血常规检验在儿科疾病诊断中的应用价值分析

目的:探究分析C反应蛋白联合血常规检验在儿科疾病诊断中的应用价值。方法:选择2017年5月-2018年5月笔者所在医院儿科收治的患儿32例作为观察组,同期正常健康患儿32例作为对照组,所有研究对象均采取C反应蛋白联合血常规检验,对比两组对象CRP阳性值及白细胞计数(WBC)。结果:CRP联合血常规检验的特异性93.75%、敏感性90.63%及准确性92.19%显著高于单用CRP检测(68.75%、75.00%、71.88%)和单用血常规检测(62.50%、65.63%、64.06%),对比差异有统计学意义(P<0.05);观察组小儿血液CRP、WBC、中性粒细胞水平值均高于对照组,组间对比t值分别为10.224、8.491、22.798,差异有统计学意义(P<0.01)。结论:C反应蛋白联合血常规检验在儿科疾病诊断中具有较高的价值,能帮助患儿及早发现、早诊断、早治疗,以防"小病"发展为"大病",该检测方法具有较高的使用价值。

脱贫攻坚战 谁在第一线

2020年是决胜全面建成小康社会、决战脱贫攻坚之年,也是“十三五”规划收官之年。习近平总书记说过,小康不小康关键看老乡,脱贫摘帽不是终点,而是新生活、新奋斗的起点。通过努力,贫困地区基本生产生活条件明显改善,群众出行难、用电难、上学难、看病难、通信难的老大难问题普遍解决,义务教育、基本医疗、住房安全有了保障,彻底实现了“两不愁三保障”。贫困地区经济社会发展明显加快,特色产业不断壮大,产业扶贫、电商扶贫、光伏扶贫、旅游扶贫等较快发展,经济活力和发展后劲明显增强。