广告点击率估算技术综述

计算广告是根据给定的用户和网页内容,通过计算得到与之最匹配的广告并进行精准定向投放的一种广告投放机制.广告的点击率预测是指利用点击日志预测的点击率,其结果受到广告的自身性质、广告位置、页面信息、用户性质,以及广告主信誉等诸多因素的影响.有效地预测广告的点击率,对于提高广告投放的效率有着至关重要的作用.本文介绍了广告点击率预测的常用模型,包括历史数据丰富的广告点击率预测模型、新广告和稀疏广告的点击率估算模型和点击率预测的优化模型,并通过真实数据集举例说明了其实现的方法.

基于隐语义模型的中医在线辅助诊疗系统

当前对中医学的怀疑关键在于其缺少科学数据的支撑,因此,把中医诊疗的过程数据化十分重要。针对该问题提出一种数据驱动的中医诊疗方法,基于对医案中病症和对应处方的隐语义分析,找出隐含病机,发现隐含病机与病症和药物间存在的关系,建立了一个基于传统中医医案挖掘的多内容隐含狄利克雷分布(LDA)模型。基于模型的结果,提出根据症状推荐药物的算法,并且建立了基于隐语义模型的中医在线辅助诊疗系统。通过实验评估推荐算法的有效性,在精度、召回率方面均好于基线方法。中医在线辅助诊疗系统能提供数据驱动的诊疗结果辅助中医师诊疗,帮助中医更准确、全面、智能地制定科学的治疗方案。

Text2 DT:面向临床诊疗文本的决策规则抽取技术

为解决目前诊疗决策树构建依赖于耗时费力的专家注释的问题,提出一个全新的信息抽取任务——从临床诊疗文本中自动抽取诊疗决策树,并构建学界第1个从临床诊疗文本到诊疗决策树的数据集,为未来诊疗决策树的自动抽取奠定基础。

基于对比学习与数据增强的零样本事件检测

事件检测是一项经典的自然语言处理任务。然而在实践中,获取高质量的标注数据需要耗费大量的人力,这使得现有的基于监督学习的方法在面对大量未定义的新事件类型时表现不佳。面对零样本事件检测的困境,现有方法或者需要预定义的事件类型作为启发规则,或者由于自编码器类间特征提取能力不足,无法进一步归类发现的未知事件。为此,该文提出了一种基于对比学习与数据增强的零样本事件检测方法,通过对事件描述的重构与复写,自动为无监督的对比学习提供训练样本。模型只需要部分已知事件类别标准数据,便可以从大量文本中自动发现并归类新的事件类型。实验表明,该方法在保持对已知类别事件识别能力的同时,能够显著提升对未知事件类别识别的准确率。