细分领域下面向专业人员的非常识性知识关联挖掘

针对细分领域知识关联挖掘应用中普遍存在的“所得结果不需要挖掘也知道”这一质疑,提出一种更符合专业人员需求的非常识性知识关联挖掘方案。该方案包含三个关键点:①数据源采用专业人员经验交流文本,而不是常识性的百科文本,以保障挖掘结果符合专业问题解决的需要;②采用大规模预训练词向量+小规模细分领域语料学习微调的方式,能更好地开展领域术语表示学习,以解决细分领域语料不足和未登录专业术语学习的效果问题;③依托领域知识库剔除挖掘结果中常识性知识关联,以向专业人员提供值得深入的潜在性、线索性知识关联。以心血管领域为例,从小规模医生经验交流文本上挖掘所得知识关联,能更好地契合临床疑难问题解决经验、医学研究实验发现,可为专业人员提供有价值的、可进一步知识探索和利用的线索。

全局视角下的网络社区多元知识关联挖掘

[目的/意义]网络社区中存在多种知识单元,知识单元间又有错综复杂的关系。有必要在保留知识单元全局信息的前提下,统一、简洁地开展多元知识关联挖掘。[方法/过程]提出网络社区多元知识关联挖掘的实现方案。首先,将网络社区中3种典型知识单元(用户、文本、词语)及其在知识交流中多种关系抽取为超网络;其次,利用网络表示学习算法将超网络中节点表示为统一特征空间下的低维稠密向量;最后,基于节点的向量开展多元知识关联计算。[结果/结论]以丁香园心血管论坛为例开展实验,验证方案的有效性。该方案既保留知识单元的全部信息,知识关联的挖掘又在统一低维特征下开展,且最终所得的知识关联满足网络社区知识组织场景多样性的要求。

基于云模型的短期电价预测

现有的电价预测方法有时间序列、神经网络、小波变换等,都是对点进行预测。该文提出一种基于云模型的短期电价预测新方法。首先,介绍了云模型的概念和特点,给出基于云模型的电价和负荷数据的离散化和概念跃升过程,得到了电价和负荷的概念模型。通过极大判定法对数据集进行软划分,建立电价与负荷的布尔型数据库,然后根据给定的支持度和置信度软域值,采用基于云的关联知识挖掘算法,得到时间、负荷和电价之间的关联规则。最后,以时间、负荷的合取作为规则前件,以电价作为规则后件,建立规则发生器,根据挖掘出的规则进行预测。该文所提方法得到的预测结果是一系列不确定的离散点的集合,集合中的每一个点都可作为预测结果提供给用户,用户可以根据经验和其它信息来适当选择结果,也可以将所有点的期望值作为结果提供给用户。

基于知识图谱的中西医结合急腹症诊疗推理分析

目的:针对急腹症临床诊疗规范化问题和名老中医诊疗经验传承问题,提出基于不完备知识库的关联规则挖掘(AMIE)+随机游走的诊疗推理算法,通过推荐病例的个性化诊疗方案,为基层医生提供信息服务和技术支持。方法:采集中西医结合诊疗急腹症的名老中医诊疗经验和临床诊疗指南文本数据,完成知识抽取任务,构建基于Neo4j的急腹症知识图谱。在基于本体规则推理的基础上,使用基于相似证候的规则推理扩展证候推荐结果中Jaccard相似度大于阈值的证候组合;使用语义路径覆盖算法计算症状节点之间的语义相似度,将症状节点分为10类,扩展同一类别的症状节点,并使用随机游走算法搜索证候连通的症状节点,扩展证候与症状节点的连接规则,以实现AMIE+随机游走的知识推理。结果:急腹症知识图谱包括1320个节点和2464个关系,根据知识推理的链接预测评价指标,对比3种算法在急腹症辅助诊疗应用上的推理结果;AMIE+随机游走算法通过扩展相似证候连接规则和证候-症状的连接规则来补全知识图谱,相较于基于本体规则的知识推理算法,其曲线下面积(AUC)高出15.18%,其精确度高出30.36%,实现了更准确有效的知识推理。结论:该研究运用知识图谱技术将急腹症的中西医诊断和疗法用药进行可视化,辅助基层临床医生直观查看诊疗过程和数据关系。提出的诊疗推理算法实现了在“病-证-诊-治-方”层面上的个性化诊疗方案推荐,能够辅助基层医生进行疾病诊疗和临床决策,有助于名老中医诊疗经验和临床指南的知识共享及推广应用,提高基层临床诊疗水平,促进中西医结合急腹症诊疗过程的规范化与标准化。

FXD3-J地面专家系统的开发与应用

基于B/S架构的FXD3-J地面专家系统挖掘TCMS离线数据,为机车运用的故障分析、健康诊断、部件寿命管理、安全风险防控以及机车运维等提供技术支持,同时以该地面专家系统为平台,在大数据分析等技术上进行了一些探索和实践。