中药复方治疗幽门螺杆菌相关性慢性萎缩性胃炎的数据挖掘和Meta分析

目的:基于文献数据挖掘和Meta分析探究中药复方治疗幽门螺杆菌(Hp)相关性慢性萎缩性胃炎(CAG)的用药规律和疗效,为临床应用提供理论依据。方法:系统检索中国知网、万方数据库、中国生物医学文献数据库、Pubmed、Web of Science数据库收录的中药复方治疗Hp相关性CAG的文献,检索时间范围为各数据库自建库以来至2022年9月。首先进行数据频次统计和挖掘分析;其次进行Meta分析,采用RevMan 5.3软件对结局指标(临床疗效、Hp清除率、胃镜检查结果改善有效率、临床症状积分)进行分析。并采用GRADE证据质量分级系统对结局指标的证据质量进行评价。结果:数据挖掘部分纳入19篇文献,共涉及19个完整处方、76味中药,其中高频药物有甘草、黄芪、蒲公英、黄连、茯苓、半夏、莪术等,主要功效为益气健脾、清热祛湿、理气健胃等;药性多温、寒,药味多苦、辛,主要归脾、胃经。Meta分析纳入17篇文献,结果显示,与西药或中成药或西药联合中成药组相比,中药复方组的临床总有效率更高(P<0.05)。中药复方组在清除Hp、提高胃镜检查结果改善有效率方面优于西药或西药联合中成药组(P<0.05)。中药复方组在改善胃胀满、胃痛、喜热喜按、腹泻方面优于西药或中成药或西药联合中成药组(P<0.05),在改善口干口苦和纳差食少方面,中药复方组与西药或西药联合中成药组比较无统计学差异(P>0.05)。GRADE评价显示证据级别为中等到极低,提示结局指标的证据质量不高。结论:Hp相关性CAG的用药以益气健脾药为主,常与具有清热除湿、疏肝和胃等功效的药物配伍使用。中药复方治疗Hp相关性CAG疗效、改善临床症状方面优于西药或中成药或两者联合治疗。但相关研究获得证据级别低,尚需开展高质量的多中心、随机对照临床试验进一步验证。

《废旧电器电子产品逆向物流信息追溯数据交换应用规范》标准研制

围绕研制《废旧电器电子产品逆向物流信息追溯数据交换应用规范》(TCRRA 1311-2023)团体标准,本文针对废旧电器电子产品回收处理现状,分析企业庞大异构系统与异构数据源导致逆向物流信息追溯中面临的数据交换困难的问题,通过调研我国追溯系统数据交换标准体系的相关标准建设情况,以此为基础提出了废旧电器电子产品逆向物流信息追溯数据结构模型、数据元模型和数据交换接口等关键概念与技术。该标准颁布实施对促进废旧电器电子产品回收处理行业的发展,提高追溯系统的效率和可靠性具有重要意义。

贝伐珠单抗联合放化疗对宫颈癌疗效的Meta分析

目的评价贝伐珠单抗联合放化疗治疗宫颈癌的疗效及治疗过程中的安全性。方法对中文数据库维普及英文数据库PubMed等中关于贝伐珠单抗联合放化疗治疗宫颈癌的研究进行检索,收集2010—2023年相关的随机对照试验。采用Review Manager 4.2软件分析患者的完全缓解、部分缓解、疾病稳定及不良反应的发生率,绘制漏斗图评价发表偏倚情况。结果纳入符合本研究的文献9篇,共654例患者(试验组327例,对照组327例)。贝伐珠单抗联合放化疗可提高宫颈癌患者完全缓解、部分缓解和疾病稳定的发生率,不良反应的发生率与单纯放化疗相比,差异无统计学意义(P>0.05)。漏斗图显示纳入的研究尚不认为存在发表偏倚。结论贝伐珠单抗联合放化疗治疗宫颈癌的疗效优于单纯放化疗,与单纯放化疗不良反应的发生率相近。

融合多模态数据的小样本命名实体识别方法

作为自然语言处理领域的关键子任务,命名实体识别通过提取文本中的关键信息,帮助机器翻译、文本生成、知识图谱构建以及多模态数据融合等许多下游任务深度理解文本蕴含的复杂语义信息,有效地完成任务.在实际生活中,由于时间和人力等成本问题,命名实体识别任务常常受限于标注样本的稀缺.尽管基于文本的小样本命名实体识别方法已取得较好的泛化表现,但由于样本量有限,使得模型能提取的语义信息也十分受限,进而导致模型预测效果依然不佳.针对标注样本稀缺给基于文本的小样本命名实体识别方法带来的挑战,提出了一种融合多模态数据的小样本命名实体识别模型,借助多模态数据提供额外语义信息,帮助模型提升预测效果,进而可以有效提升多模态数据融合、建模效果.该方法将图像信息转化为文本信息作为辅助模态信息,有效地解决了由文本与图像蕴含语义信息粒度不一致导致的模态对齐效果不佳的问题.为了有效地考虑实体识别中的标签依赖关系,使用CRF框架并使用最先进的元学习方法分别作为发射模块和转移模块.为了缓解辅助模态中的噪声样本对模型的负面影响,提出一种基于元学习的通用去噪网络.该去噪网络在数据量十分有限的情况下,依然可以有效地评估辅助模态中不同样本的差异性以及衡量样本对模型的有益程度.最后,在真实的单模态和多模态数据集上进行了大量的实验.实验结果验证了该方法的预测F1值比基准方法至少提升了10%,并具有良好的泛化性.

基于大数据元分析的调节效应识别:基础模型与实证检验

作为实证研究中识别因果关系的一种重要方法,调节效应检验有助于揭示自变量和因变量之间的深层次关系,然而该方法存在无法获得真实效应值且外部效度低等问题。受限于原始研究与生俱来的缺陷,循证领域亟待发展出新的调节效应识别模型。本研究采用大数据循证理念,利用循环方法对控制变量进行排列组合,从而模拟了“穷尽”所有可能的原始研究设计,对全部可能的变量间关系进行了回归分析并记录所有效应值。进而,使用元分析法对全部原始效应量进行全覆盖式合并,以获得真实的效应值,以此提升调节效应结果的外部效度。最后,本研究以信息贫困研究为例,详细展示了大数据循证视角下调节效应识别的所有流程。本研究的主要贡献在于完善了大数据循证理念下的元分析方法体系,从大量原始研究效应中提取了真实效应值,提高了调节效应的外部效度与因果关系识别的可靠性。

生成式AI训练数据的法律风险及其元规制

以ChatGPT为代表的生成式AI依托于海量的训练数据来实现模型的迭代升级,训练数据的质量和数量直接决定着生成式AI的性能和泛化能力。然而,训练数据本身潜藏着来源合法性、质量可信性、规模偏离性等风险,自我规制与政府规制路径都难以契合生成式AI的市场布局与更迭速度,亟须在包容审慎理念下对生成式AI训练数据予以元规制。在元规制理念下,国家通过规范引导模型研发者将经设计的数据保护与科技伦理理念内嵌于生成式AI的训练数据中,促成数据保护从利用环节延伸至研发环节,通过可信的数据来源、数据分类分级、数据影响评估等措施促成模型研发者自我观照式的内省,并经由数据保护的监管沙盒实现自我规制的规制。

基于对比学习和元优化学习的序列推荐方法

序列推荐是根据用户和项目的历史交互记录对用户兴趣建模,进行下一项目推荐。对比学习(CL)作为一种辅助信息能够有效地提高推荐模型质量,但现有基于对比学习的序列推荐方法采取随机数据增强方式存在的效果不稳定及难以泛化的问题,为此,提出了一种基于对比学习和元优化学习的序列推荐方法。首先,在数据增强环节,根据序列中项目之间的时间间隔为序列生成数据分布更加均匀的数据增强视图;其次,构建可学习的模型增强模块,用于捕获数据增强视图中潜在的语义信息,增强模型的泛化能力;最后,为解决数据增强模块和模型增强模块之间不同优化目标问题,使用元优化学习方法优化更新两个模块之间的参数,进而完成推荐。在Beauty、Sports和Yelp等三个公开数据集上的实验结果显示,在召回率和归一化折损累计增益指标上,相较于其它基线模型,CLMLRec均有显著提升,表明该模型具有良好的推荐性能。

中英心理学期刊数据删除及删除标准的元研究

数据删除在心理学研究中存在较大的操作空间,研究者借此获取显著统计结果的操作极大地威胁了科研结果的真实性和可重复性。研究以2000、2010、2020三个年度发表在《心理学报》和Psychological Science期刊上的实证研究为分析对象,结合量化和质性分析方法,揭示中英心理学期刊数据删除现状。结果显示,中英期刊存在数据删除的研究各占比为48.83%和35.56%,平均被试删除比例分别为16.31%和14.48%,在删除数据后未按相关标准进行报告的比例分别为11.48%和5.46%;在被试数据删除和观测值数据删除中,报告率最高的删除标准分别为基于极端值的删除(57.87%)和基于任务的删除(30.6%);研究报告的次级删除标准体现了一定的随意性。这些结果表明了建立更为严谨的标准化数据删除报告规范的必要性。

气象数据中台设计与应用研究

文章分析了气象大数据建设过程中的经验和问题,借鉴阿里巴巴的“中台”理念,设计了一种气象数据中台架构。通过数据模型化和服务组件化,形成重庆气象高效敏捷的数据服务能力,帮助用户快速“找到”数据、“应用”数据、“用好”数据。相对传统的数据平台,可提高数据服务的开发效率、降低应用建设的复杂度、提升业务功能的复用能力,对更好地支撑重庆气象业务技术体系具有重要意义。

近20年国内针刺治疗近视的研究:数据挖掘与荟萃分析

目的分析研究针刺治疗近视的选穴规律,并评价其有效性和安全性。方法检索CNKI、万方、VIP、CBM数据库2003年1月1日至2023年11月31日收录的针刺治疗近视的临床随机对照试验研究,建立针刺处方Excle数据库进行腧穴规律分析,通过RevMan 5.3进行Meta分析。结果共纳入116个针刺处方和8篇文献,数据挖掘结果显示,针刺治疗近视主要以头面部腧穴、足三阳经腧穴为主,其中高频腧穴为攒竹、太阳、四白、风池、合谷等;Meta分析结果显示,与对照组相比,针刺在提高临床总有效率[OR=2.28,95%CI(1.41,3.66),P<0.05]和改善裸眼视力[MD=0.07,95%CI(0.02,0.12),P<0.05]方面具有优势,而在延缓屈光度进展[MD=0.14,95%CI(-0.17,0.46),P>0.05]和眼轴长度增长[MD=-0.02,95Cl%(-0.10,0.06),P>0.5]方面,两组疗效相当;在针刺安全性方面,除了少数皮下出血的报道,其余无不良反应。结论国内针灸治疗近视选穴以头面部腧穴为主,针刺对提高临床总有效率和改善裸眼视力具有一定的作用,但在延缓屈光度进展和眼轴长度增长方面缺乏有力的证据,还需要更高质量的文献进一步分析。

基于开源大数据的我国民族教育研究画像(2012年—2021年)

党的十八大以来,我国民族教育研究工作取得长足进展。文章创新元研究框架,从研究投入、研究产出以及研究影响三大维度进行分析,全面采集研究机构、研究人员、立项课题、论文、著作、引文等大数据,综合应用统计分析法、文献计量法、知识图谱法等方法,展示2012年至2021年期间我国民族教育研究全景画像。在画像绘制的基础上,文章提出了面向国家急需、精准课题投入,扩大研究团队、拓宽研究视野,丰富研究内容、增强学术影响力等三方面的建议。

一种基于在线蒸馏的轻量化噪声标签学习方法

利用含有有损标签的噪声数据来训练深度学习模型是机器学习中的研究热点.研究表明深度学习模型训练易受噪声数据的影响而产生过拟合现象.最近,一种将元学习与标签校正相结合的方法能够使模型更好地适应噪声数据以减缓过拟合现象,然而这种元标签校正方法依赖于模型的性能,同时轻量化模型在噪声数据下不具备良好的泛化性能.针对这一问题,本文结合元学习提出一种基于在线蒸馏的轻量化噪声标签学习方法KDMLC(knowledge distillation-based meta-label correction learning),该方法将深度神经网络与多层感知机构成的元标签校正(meta label correction,MLC)模型视为教师模型,对噪声标签进行校正并指导轻量化模型进行训练,同时采用双层优化策略训练并增强教师模型的泛化能力,从而生成更高质量的伪标签用于训练轻量化模型.实验表明,KDMLC在高噪声水平下对比MLC方法准确率提高了5.50个百分点;同时对CIFAR10数据集使用Cutout数据增强,KDMLC在高噪声水平下对比MLC准确率提升了9.11个百分点,而在真实噪声数据集Clothing1M上的实验,KDMLC也优于其他方法,验证了KDMLC的可行性和有效性.

基于元学习的无数据模型压缩

针对现有深度学习无数据蒸馏框架下,数据合成效率低下以及蒸馏模型性能不足的问题,提出一种基于元学习的快速数据合成方法。通过批量标准化层的平均值和方差,及动量自适应调整,提取可重用特征,对特定任务执行少量更新,达到提高数据合成效率的目的;通过提出同异构教师鉴别器提取双采样知识,解决数据样本多样性与泛化性问题;改进传统知识蒸馏损失,采用学生自恢复蒸馏,通过一个生成块,提高模型性能。实验结果表明,提出方法优于现有无数据蒸馏方法。

异构信息网络中节点相似性搜索并行算法研究

传统的基于串行计算的节点相似性搜索算法,在处理增量式异构信息网络数据流时面临效率低下、资源消耗过大等问题。为此,文章利用同构信息网络中并行约简的基本原理与基本方法,定义了异构信息网络的并行约简度量方法:值相似依赖度和余弦实体相似依赖度,提出异构数据流中元路径下节点相似性搜索并行算法(FPathSim),F-PathSim可以并行约简、并行计算,整体上删除对节点相似性搜索冗余的数据,减少对整个数据集的重复处理。在DBLP数据集上进行大量的实验,实验结果表明F-PathSim能较好的适应异构信息网络中增量式数据流中节点相似性搜索要求。

基于元数据的电子元器件数据模型构建研究

电子元器件是装备的基础组成单元,装备研制生产各个阶段都需要元器件数据的支撑保障。随着业务工作的深入用户积累了大量的元器件数据,急需对数据进行有效的管理、分析和使用,在这个过程中数据的可信性、完整性和共用性变得尤为重要。然而,由于缺乏元器件领域的元数据模型,导致元器件数据的内容和结构不够全面清晰,难以支撑装备的研制生产。通过对元器件数据模型技术研究,构建了基于元数据的电子元器件数据模型,为后续搭建元器件数据管理分析平台和开展对元器件数据的分析提供了模型参考。

元宇宙技术赋能全民健身的内在逻辑、风险及防控路径

元宇宙技术是网络信息技术发展的新阶段,其所具备的技术驱动性、空间虚拟性以及现实交互性在突破健身场地时空限制、丰富全民健身赛事供给、提升健身指导和个性化服务质量等方面有显著效果。同时,这些特性也为元宇宙技术价值的实现带来了知识产权侵权、数据合规风险、身心健康、身份认同及技术成瘾等风险。通过运用文献资料法、案例分析法等对元宇宙赋能全民健身隐藏的风险进行剖析发现,主管行政部门、相关企业以及公众应协同克服技术、法律等风险,提高元宇宙全民健身赛事活动及健身产品制造企业的主体准入门槛、严格数据安全审查、强化企业知识产权合规、引导全民健身活动参与者增强防范意识,以助力元宇宙技术更全面、更深入地应用于全民健身活动中。

试验鉴定领域标准数字化应用实践

针对试验鉴定过程中大多数试验数据没有进一步利用、数据价值没有得到有效提升的问题,在总结试验鉴定领域标准体系基础上,介绍了典型试验数据标准,提出试验数据标准数字化技术思路与实现方法,并基于航空、航天设备试验应用实践进行具体说明。该技术可逐步推广到航发、船舶、兵器等其他高端装备制造领域,也可用于设计数据、生产数据、仿真数据的标准化治理。

基于张量计算的智慧交通多维数据计算与小样本学习

针对智慧交通场景中样本较少且难以获取的问题,提出一种张量计算与小样本学习相结合的综合模型,从而应对目标域样本不足导致训练效果差的情况。构建基于张量计算的多维计算模型,处理智慧交通场景中的多维异构数据,基于数据的时空相关性获得融合数据张量,将融合数据作为输入数据,经由小样本学习模型进行训练,最终根据消融实验结果比较分析基于不同张量计算方案和小样本学习方法的张量小样本学习模型性能。仿真结果表明,相较于2种基于度量的小样本学习模型:原型网络和匹配网络,基于元学习的小样本学习模型和张量计算模型相结合后的可信度更高,并且基于不同的张量融合方案,元学习模型的准确率和F1值得到了不同程度的提升,其中基于逆分解张量融合方案的模型准确率可达0.95,性能优于平行因子分解(CPD)融合方案。

复杂仿古建筑群数字化建模与孪生再现技术研究与应用

随着文旅元宇宙的兴起,数字孪生技术也在一些以仿古建筑为主的特色小镇集群中得到逐步应用,为文旅产业发展注入新的活力。以金陵小镇——燕集里为载体,从数据归集处理、数字化建模、纹理映射、超写实再现四个方面总结了针对复杂仿古建筑群孪生再现的技术体系,研究复杂仿古建筑集群的数字化建模与孪生再现技术,融合多种技术手段,优化作业流程,为文旅元宇宙的实现提供基础技术支撑和实践经验。

政府数据开放安全影响因素互作用框架的元综合分析

[研究目的]平衡政府数据开放与安全是数字政府建设的关键议题。分析政府数据开放安全影响因素及其互作用关系,以健全政府数据安全治理体系。[研究方法]采用元综合分析方法,基于国内外各主流数据库,运用ConQual批判评价工具,筛选出34份国内外政府数据开放安全有关质性研究样本,对筛选的文献进行解释性三级编码和综合归纳,构建政府数据开放安全影响因素互作用的综合阐释框架,并梳理各维度的交互关系。[研究结论]研究得到23个范畴、11个主范畴和4个维度,将其归纳为主体因素、文化因素、管理因素及资源因素4个维度组成的PCMR模型,将政府数据开放安全影响因素诠释为一个多主体、多要素共同作用的动态复杂系统,为后续政府数据开放安全治理的相关研究提供了重要的理论框架参考。