医学知识标注体系设计与系统构建

目前,海量医学数据,尤其是电子健康病历等有价值的数据仍亟待挖掘。然而以深度学习为代表的最新的模型更适用于结构化数据。因此需要标注实现非结构化数据到结构化数据的转换。医学知识标注则需要以标准的标注体系及标注系统为基础。针对医学知识标注体系缺乏、标注系统功能缺失、知识标注方式单一的问题,提出医学知识标注体系设计以及医学知识标注系统构建范式,从标注体系设计、系统业务需求、用户分析、功能设计等方面,分析了医学知识标注体系的实现方法,并综合系统流程化标准需求、语义映射需求、标注可视化综合需求、人员管理需求等方面进行了详细描述,为医学知识标注的推广作为参考,并提供交互友好的医学知识标注平台。

基于知识标注的地理信息语义服务框架研究

基于空间语义学基础理论,将传统的地理信息服务技术与新兴的语义服务技术相结合,建立地理信息语义服务框架及知识标注方法体系,并应用于地理空间信息服务处理中,提供智能化、自动化的地理信息服务发现、组合与触发策略;设计基于文本挖掘算法的半自动知识标注引擎,提高服务处理自动化程度,实现包含丰富语义信息的地理空间语义服务的发布;建立基于规则和推理引擎的地理信息服务匹配与发现机制,提高服务发现效率;建立地理信息服务语义标注与服务匹配评价方法,采用基于空间关联规则的标注正确性评估策略,验证知识标注价值。

三维模型知识标注技术研究与实现

为了扩展三维模型的应用方式与范围,在将基于模型的定义数据集定义为三维注释模型的基础上,提出了三维解释模型的概念。通过对工程知识分类、组织与存储技术的论述,提出构建三维解释模型的三维模型知识标注方法。该方法采用向量空间模型表达和处理异构知识,以意图知识作为输入,实现半自动式三维模型知识标注。通过原型系统的开发与实现,以发动机燃油喷头为例展示三维模型知识标注方法,验证了所提方法的有效性。

多领域视角下的知识标注研究与实现

领域主题词表提供了某个领域或者行业某个视角下的关注的重点。利用领域主题词表进行标注能够揭示某个视角下文档的语义,而多个领域主题词表能够从多个视角联合揭示和挖掘文档的语义。文章通过将多个领域主题词表联合起来进行语义标注,提出了多领域视角下的知识标注方案。文章以皮肤病领域下文档标注为例进行了设计和实现。多领域视角下的知识标注为挖掘文档的知识提供了参考,并为进一步知识库的构建等奠定了基础。

融合学科知识的数学习题知识点自动标注模型

习题知识点标注是构建结构化题库和实现个性化学习的关键任务。对于数学习题,由于其存在公式化、表达精炼化等特殊性,现有的标注模型无法很好地捕获关键信息,进而难以深入理解文本中蕴含的深层语义。此外,结合领域知识的知识点标注模型普遍存在引入的知识不够关键、融合的方式过于直接的问题,缺乏对信息的有效筛选,从而导致在特征融合时产生大量噪声,干扰模型最终的标注结果。为此,该文提出了一种融合学科知识的数学习题知识点自动标注模型MKA Gated。该模型首先利用预训练模型对原始习题和两种细化的学科知识文本进行初步的语义编码表示,然后利用注意力机制实现习题与两种学科知识的信息交互以获取两种学科知识的深层语义表征,最后通过门控机制连续地、隐式地融合两种深层语义表征的平均池化表示以保留原始习题表示中有利于最终分类的语义特征。模型在自建的初中数学习题知识点标注数据集上测试的三种指标micro-F_(1)、macro-F_(1)、weighted-F_(1)相较于基准模型分别提升了1.99%、2.99%、2.12%,实验结果表明,该文所提方法能有效提升数学习题知识点的标注。

基于群体认知图式的健康UGC知识标注研究

[目的/意义]为促进健康UGC的利用、共享以及规范化管理,提出一种符合用户认知的知识标注方法。[方法/过程]首先,从健康UGC中抽取认知概念,将其归纳到认知情感、认知需求、认知风格、认知内容4个类目;其次,分析各类目下认知概念间的关联关系以构建个体认知图式,并通过图式筛选和特征融合生成群体认知图式;再次,依据群体认知图式确定知识标注的实体及其关系,进而设计健康UGC的知识标注框架;最后,利用OWL语言对健康UGC的知识标注框架进行语义描述。[结果/结论]本研究方法与大众标注法相比,在查全率、查准率、F1值方面更具优势,能更好地满足用户对健康知识的获取需求。

一种基于集成学习的试题多知识点标注方法

个性化试题推荐、试题难度预测、学习者建模等教育数据挖掘任务需要使用到学生作答数据资源及试题知识点标注,现阶段的试题数据都是由人工标注知识点.因此,利用机器学习方法自动标注试题知识点是一项迫切的需求.针对海量试题资源情况下的试题知识点自动标注问题,本文提出了一种基于集成学习的试题多知识点标注方法.首先,形式化定义了试题知识点标注问题,并借助教材目录和领域知识构建知识点的知识图谱作为类别标签.其次,采用基于集成学习的方法训练多个支持向量机作为基分类器,筛选出表现优异的基分类器进行集成,构建出试题多知识点标注模型.最后,以某在线教育平台数据库中的高中数学试题为实验数据集,应用所提方法预测试题考察的知识点,取得了较好的效果.

一种基于二部图的试题知识点标注方法

针对在线教育中试题知识点自动标注问题,本文提出了一种基于二部图的试题知识点标注方法。首先,为了合理划分知识点粒度,本文构建了知识点知识图谱来融合知识点;其次,基于教材等语料抽取知识点与特征词二部图和试题与特征词二部图,并利用TF-IDF公式计算知识点与特征词、试题与特征词之间的边权,以构建试题-知识点二部图模型;再次,提出词频加权的相似性度量方法计算试题和知识点之间的相似度,将相似度最高的知识点作为试题知识点标签。最后,以某在线教育平台提供的高中历史试题为实验数据集进行数值实验,实验结果表明该方法的效果显著优于朴素贝叶斯、K最近邻、随机森林以及支持向量机。

一种基于众包模式的试题知识点标注方法

众包作为一种开放式的知识生产过程,有着自愿、协同共享的特征,在解决诸多复杂的实际问题方面效果显著。文章提出一种基于众包模式完成教育行业中海量试题的知识点标注方法。首先,描述了试题知识点标注工作的流程设计,总结了利用众包完成试题知识点标注工作的3种模式;其次,提出采用多数投票法和金标准数据结合的方式控制众包项目的质量;最后,通过小样本实验探讨了众包过程中出现的问题,并给出了相应的解决方案,提出了改进意见。

基于属性关系深度挖掘的试题知识点标注模型

在各类在线学习系统中,为了给学生提供优质的学习资源,一个基础性的任务是对大量未标注的试题进行知识点标注.已有标注方法通常基于人工专家标注或者采用传统机器学习方法.在实际应用中,这些方法普遍存在成本过高、标注精准度不足等局限.为此,本文提出了一种基于属性关系深度挖掘的试题知识点标注模型.首先,利用句法语义模型和结构语义模型分别从试题文本和试题图形中抽取试题的显性属性关系.然后,利用蒙特卡罗树搜索构建问题求解框架,挖掘试题的隐含属性关系.最后,结合学科知识图谱,将属性关系映射到知识图谱空间,生成试题知识点.实验结果表明,所提出的方法能够有效地进行试题知识点标注,将对学生认知诊断、个性化试题推荐等具有一定的实际应用价值.

中文症状知识库的建立与分析

构建大规模的知识库是人工智能、自然语言理解等领域的基础任务之一。症状作为描述病人的主观感受和诊断疾病的重要依据,更是优化智能导诊、医学问答等任务的重要因素。该文在现有的医学症状知识库研究的基础上,结合症状的概念、特征及在医学诊断中发挥的作用,构建了一个公开的中文症状知识库。该知识库从症状的本体分类、相关疾病、发作部位及多发人群等层面对相关属性进行了详细描述,涵盖了8 772种症状,共计146 631条属性关系。所构建的症状知识库(CSKB)是中文医学知识图谱的重要组成部分,并为KBQA、知识推理及决策支持等应用提供了数据基础。

工程知识引擎的构成研究

根据企业对知识管理智能化服务的需求,引出工程知识引擎,它由知识标注、知识分类、知识关联、知识评价、知识规划和知识供应组成,主要处理领域知识、用户行为和使用场景。讲述了某企业知识管理从资产化到场景化,再到智能化的发展过程,以及利用知识引擎实现"合适的人,在合适的场景,获取并利用到合适的知识"的智能化应用。最后,展望了随着人工智能发展,工程知识引擎将会成为工作助手远景。

一种知识库体系的设计构建方法及在媒体领域的应用探索

随着各国政府对知识库的日益重视和大力推动,涌现了大量公共组织探索基于开放数据的知识库构建,具有代表性的如开放链接数据(LOD)项目、在线关联数据知识库DBPedia项目等。在企业工程领域,Google、百度、捜狗等也纷纷投身于大规模本体知识库的研究中。随着公共知识库的开放,众多旨在将知识库应用于不同业务领域的领域知识库研究也逐渐开展。本文提出了一种旨在针对媒体应用领域的知识库体系设计构建方法,构建了重点媒体知识库、重点人物知识库、重点事件知识库、业务关键词知识库、业务知识百科库等几大知识库群,详细介绍了知识库构建的几大关键技术,并对知识库在媒体领域的应用场景进行了重点阐述。

古农书翻译与知识组织研究

在探寻古农书知识的深层脉络中,文章从跨学科视角开发了一种创新的古农书翻译与知识图谱构建方法。该方法不仅有利于深化对古农书的理解,也为古农书的文化传承与现代应用提供了新的思路。首先通过训练和微调古代汉语到现代汉语的机器翻译模型,完成古农书的翻译并构建古农书平行语料库以辅助人工标注与古农书知识图谱构建。接着,本文通过知识标注、实体抽取、关系抽取等数据挖掘技术,对古农书的非结构化知识进行系统梳理与组织。最终,构建的知识图谱不仅仅是对古农书知识的再现,更是对这些知识进行深入探索与应用的工具。研究结果揭示了所提方法在促进古农书知识理解、应用与传播方面的有效性以及跨学科方法在古农书研究中的重要性。

基于语义关联规则的试题知识点标注及试题推荐

【目的】在线教育资源中存在大量未标注知识点的试题,探究对试题知识点进行自动标注。【方法】通过引入文本语义概念,考虑待标注试题与学习规则之间的语义匹配程度,提出一种基于语义关联规则的试题知识点自动标注方法和基于知识点间关联特性的个性化试题推荐方法。【结果】以部分初中数学和高中历史试题为实验语料,分别与朴素贝叶斯、K最近邻、随机森林以及支持向量机等经典分类方法进行实验对比,发现本文方法的标注准确度优于其他方法。【局限】该方法对于试题的语义理解不够深入,使得整体的准确度仍然较低,与期望的标注准确度还有一定差距。【结论】知识点自动标注方法和个性化试题推荐方法在现阶段以及未来的智能教学和自主学习方面具有一定的实际应用价值。

知识服务平台的设计与应用——以重大传染病信息知识服务平台为例

以重大传染病信息处理和使用为例,探讨知识服务平台的设计与应用。设计的知识服务平台以本体为基础,以重大传染病信息为采集和组织对象,建立了知识加工系统、知识库构建与维护系统、基于本体的全文检索系统、传染病热点信息采集与分析系统等,为传染病政策管理人员、科研人员提供多层次的知识和内容服务。

教育数据挖掘关键技术应用研究

基于教育数据挖掘关键技术应用,从试题表征、知识点标注、试题难度预测、学生认知诊断和个性化推荐5个方面的应用进行阐述,分析它们在目前使用中的关键技术、优势和不足,并对教育数据挖掘领域发展趋势进行展望。

《春秋左传正义》引书计算人文研究

[目的/意义]古籍引书的计算人文研究视角将带来数字化资源、量化分析内容以及可视化呈现结果。[方法/过程]以《春秋左传正义》中引书为对象,对其中引书进行标注、组织、计量、可视化及主题挖掘研究。[结果/结论]通过古籍引书知识标注和补全,完成引书知识库的构建,以引书、篇章和作者为例进行计量分析,对结果进行可视化形式呈现,并尝试构建其知识图谱。此外,结合LDA主题模型,挖掘引书句子主题内容,得到生产生活、风俗礼仪、宗教祭祀、战争和政治5个主题类型,为古籍引书内容的深入探索提供技术借鉴和数据资源。

空间语义学与地理信息语义服务研究进展

语义学、本体和地理空间语义网研究的共同目标是处理不断增加的海量异构地理数据、信息和知识。本文较为系统地讨论空间语义的概念与特征、空间语义学主要研究方向的进展、构建空间语义服务的关键技术以及基本的理论框架等,详细阐述了目前国内外关于地理信息语义服务研究的进展、主要问题与发展趋势。

科技论文的研究设计指纹自动识别方法构建与实现

[目的／意义]从科技论文中自动识别与抽取研究设计指纹，能够为科研人员项目设计、研究方法的有效性评估、研究过程问题诊断、研究结果鉴别与评价提供重要的方法论和研究操作支撑。[方法／过程]基于科技论文研究设计指纹的概念模型，提出基于多规则模式混合机器学习方法，设计并实现指纹识别算法，并以数据挖掘领域的期刊文献数据为例，对识别算法的可行性与有效性进行分析验证。[结果／结论]除研究数据与研究趋势外，其他研究设计指纹识别准确率的认可度都基本达到80％以上，覆盖率的认可度，除研究工具与研究数据外，基本达到80％以上。