基于语言学扰动的事件检测数据增强方法

近年来,深度学习在事件检测领域取得了长足进展。但是,现有方法通常受制于事件检测标注数据的规模和训练阶段的不稳定性。针对上述问题,本文提出了基于语言学扰动的事件检测数据增强方法,从语法和语义两个角度生成伪数据来提升事件检测的性能。为了有效的利用生成的伪数据,该文探索了数据增加和多实例学习两个训练策略。在KBP 2017事件检测数据集上的实验验证了我们方法的有效性。此外,在人工构造的少量ACE2005数据集上的实验结果证明该文方法可以大幅度提升小数据情况下的模型学习性能。

CT平扫诊断临床不典型主动脉夹层1例

主动脉夹层（AD）是一种严重威胁人类生命的心血管疾病,容易造成猝死。在我国其发病率有明显上升趋势。早期诊断和及时治疗对挽救患者生命至关重要。但是由于该病临床表现复杂多变,在实际工作中漏诊和误诊率极高。笔者对在我院就诊的1例临床不典型主动脉夹层患者简要谈一些诊断体会。1临床资料患者,女,44岁。左侧季肋部疼痛半月,加重2h来院就诊。查体：一般情况良好。巩膜皮肤无黄染,腹平软,