以用户为中心的不良事件报告系统:医疗环境中的数据录入和文本预测

在美国,作为一个收集医疗差错事件的主要渠道,病人安全事件报告系统已经被广泛采纳和接受。然而,漏报和低质量的报告数据普遍存在,对系统的有效性提出了挑战。以医学信息学和人机交互技术作为切入点,设计并开发了两个文本预测功能的原型,用以帮助提高用户录入的数据质量和效率。在验证实验中,采用随机分组对照方法,用以识别两组用户在有/无文本预测功能帮助下的报告结果差异。结果发现,对比实验组和对照组,在结构化录入内容中,整体录入速度提高了13.0%,数据的准确性提高3.9%;在非结构化录入过程中,用户文本生成速度提高了70.5%,数据完整度提高了34.1%,且以上所有差异都具有统计学上的显著性(p<0.05)。此外,在对受试人群的调查问卷中发现,尽管实验组的系统更为复杂,但在系统易用性的四个维度上,两组人员的主观感受没有显著差异。

基于改进归纳式图卷积网络的文本分类方法

针对图嵌入式文本分类方法在预测性能和归纳能力方面的缺陷,在文本图卷积网络(TextGCN)的基础上,进行适当改进。结合预测文本嵌入(PTE)的高效训练和归纳性,在各个网络层中使用不同的图;通过异质图卷积网络架构来学习特征嵌入,利用习得的特征进行归纳推理。实验结果表明,在大量训练样本标注的情况下,所提方法取得了与其它方法相当或稍优的性能。在少量训练样本标注的情况下,所提方法表现更优,性能增益范围为2%~7%,支持更快的训练和泛化性。

基于迁移学习的文本共情预测

由于缺乏足够的训练数据,文本共情预测的进展一直都较为缓慢;而与之相关的文本情感极性分类任务则存在大量有标签的训练样本。由于文本共情预测与文本情感极性分类两个任务间存在较大相关性,因此提出了一种基于迁移学习的文本共情预测方法,该方法可从情感极性分类任务中学习到可迁移的公共特征,并通过学习到的公共特征辅助文本共情预测任务。首先通过一个注意力机制对两个任务间的公私有特征进行动态加权融合;其次为了消除两个任务间的数据集领域差异,通过一种对抗学习策略来区分两个任务间的领域独有特征与领域公共特征;最后提出了一种Hinge‑loss约束策略,使共同特征对不同的目标标签具有通用性,而私有特征对不同的目标标签具有独有性。在两个基准数据集上的实验结果表明,相较于对比的迁移学习方法,所提方法的皮尔逊相关系数(PCC)和决定系数(R2)更高,均方误差(MSE)更小,充分说明了所提方法的有效性。

基于改进DRRG的自然场景文本检测算法

随着人们对场景文本检测领域的探索,对于自然场景中较规则文本的检测结果较好,然而对于任意方向的文本和复杂背景图像文本检测结果依然不理想。基于此,提出了一种改进的深度关系推理图网络模型。模型通过不同于anchor思想的文本组件预测部分,直接预测文本行,然后利用深度关系推理网络,推理出待检测文本行。同时引入Resnet50和SENet网络,提高模型特征提取能力和模型鲁棒性。通过在CTW1500和ICDAR2015两个数据集上对改良的模型进行评价,证明了改进算法的可行性。

循环神经网络实现文本智能预测

近年来随着深度学习越来越流行,许多研究者选择把这种方法用在语言模型领域,并且有着不错的成效,如循环神经网络(RNN)等。不同于之前的N-gram语言模型,通过循环神经网络来建构语言模型,根据RNN共享权重的特性,可以充分利用所有上文信息来预测下一词,对长距离语言进行有效处理。然后根据长短时记忆网络(LSTM)一种特殊的深度循环神经网络,可以实现更好地捕捉文本的长距离信息;我们将其应用在文本的智能预测,实验结果显示,使用LSTM对于大词汇连续文本智能预测的效能与之前相比有相当程度的提升。

基于深度学习的回复类型预测聊天机器人

聊天机器人分为很多种,在深度学习越来越火热的当下,生成式聊天机器人通常是Seq2Seq(sequence-tosequence)模型进行训练,通过神经网络将输入数据编码成隐藏层向量并进行解码。尽管深度学习生成式模型的学习能力很强,但是对于很对具体需要切合场景需求的工作条件下,该模型常常获得的回复不够切合具体实际任务需求,因此首先对具体要执行的任务进行了有监督分类,再将分类结果加入到聊天机器人模型中进行监督训练,同时对于原始sequence-to-sequence模型进行了预训练判别器添加来进行模型优化。实验表明,对于加入了分类结果的监督训练和增添预训练判别器的模型能有效提升模型回复质量,在BELU得分上提升了约0.0116。

基于移动设备的听障人特定语音识别训练系统

我国国内听障人士目前达到7 200万,他们普遍存在言语沟通障碍,大多只能依赖特殊教育学校的手语、助听器以及人工耳蜗实现和正常人沟通交流.结合听障者的自身特点设计了特定的语音识别系统,听障者通过点击界面的图标实现发音,用户根据声音信息实现模仿,系统根据检测到的数据进行评测,给出听障者的训练结果,实现了沟通和康复的有机结合.在此系统的基础上,为了提高语音输入的高效性,增加了基于语义的sem算法的文本预测,该算法模型对句子中出现的所有词进行了构建.在特定的语音识别的基础上完成了整体的构架设计,实现了训练模块和语音模块之间的交互.

DRTA教学法在初中英语阅读教学中的应用

阐述DRTA教学法的内涵,以牛津译林版《英语》九年级(上)Unit 4 Growing up中Reading部分The shortest player in the NBA为例,探究DRTA教学法在初中英语阅读教学中的应用,并指出运用时应该注意的问题。认为在初中英语阅读教学中运用DRTA教学法可以将学生被动接受式的阅读转变为主动积极式的交互,从而提高阅读教学的实效性,培养学生的创造性思维。

面向情感语音合成的言语情感描述与预测

针对情感语音合成系统中情感的细腻刻画与自动预测问题,提出多视角情感描述模型,从认知评价、心理感受、生理反应和发音方式4个方面刻画言语情感的产生过程和衍化机制;引入能够支持分布式特征且具有堆叠结构的多层神经网络——深层堆叠网络构建从文本到情感描述的预测模型。实验结果表明在预测模型中引入不同情感成分和上下文信息作为特征有助于提升预测效果,验证了采用深层堆叠网络进行情感预测的有效性与多视角情感描述模型的合理性。