临床科研数据平台的建设与应用

目的:探索临床科研数据平台的建设和应用。方法:以中国科学技术大学附属第一医院(安徽省立医院)为例,构建临床科研数据平台技术架构,建立操作型数据存储、临床数据中心、科研数据中心和专病数据库4层数据体系,采集和整合医院信息系统数据,进行数据质量控制、数据标签化与数据安全管理,以建立可支持临床研究的高质量数据平台。结果:临床科研数据平台实现了医学数据检索、专科专病管理与数据分析等自主化、流程化的临床科研服务。结论:临床科研数据平台沉淀数据资产,可满足医学研究的数据使用需求,从而促进数据从被动支撑向主动引智的转变,激发数据生产力。

基于节点映射与标签数据构建的链接预测方法

为改进基于局部或全局信息相似性度量方法中存在的无法全面提取网络结构信息的问题,以及基于网络表示学习的方法不能对链接的不存在性进行度量的问题,提出一种结合节点向量化方法与机器学习分类算法的Net2Vec-CLP框架。使用具有重启机制的随机游走方法获得节点环境序列,将源网络信息转换成向量表示,在此基础上生成标签数据集,使用带sigmoid核映射方法的SVM模型进行二分类预测。实验结果表明,算法在Facebook数据集上较Node2Vec方法AUC值提高了2.47%,在其它数据集上也有可观测的优势。同时,结合二分类思想的方法,其能明确度量不存在链接关系的数据。

基于标签映射的长短期浏览行为数据挖掘仿真

浏览行为数据挖掘受节点分类概率的影响,导致挖掘精度较低,于是提出基于标签映射的长短期浏览行为数据挖掘方法。通过对长短期浏览行为数据进行降维处理,对数据降低维度与减少存储空间的同时提高了数据挖掘速度,剔除冗余数据,有效保留重要信息特征。最终结合标签映射对数据进行训练学习,精准地完成浏览节点分类概率的计算,实现高精度的长短期浏览行为数据挖掘。仿真结果表明,所提方法能够有效降低分类开销,提升浏览行为数据的挖掘速度与挖掘的准确性。