门控心肌灌注显像预测纯合子家族性高胆固醇血症患者主要心脏不良事件的研究

目的:通过负荷+静息门控心肌灌注显像(gated myocardial perfusion imaging,G-MPI)评价纯合子家族性高胆固醇血症(homozygous familial hypercholesterolemia,HoFH)患者主要心脏不良事件(major adverse cardiovascular events,MACE)的预测价值。方法:对经临床和基因诊断确诊HoFH,在2010年6月至2022年3月,于我院行负荷+静息G-MPI检查的患者进行回顾性随访。图像分析采用17节段5分法,获得左心室心肌血流灌注及功能参数。随访患者MACE,采用Cox回归分析与MACE有关的预测因子。通过ROC分析预测因子的效能,采用Kaplan-Meier法和Log-rank检验比较不同组HoFH患者MACE发生率的差异。结果:共入选59例HoFH患者,中位随访时间6(4,9)年。随访期间20例(20/59,33.9%)患者出现MACE。G-MPI参数负荷灌注总积分(summed stress score,SSS)、静息灌注总积分(summed rest score,SRS)、总积分差值(summed difference score,SDS)、负荷左心室收缩末期容积(stress end-systolic volume,SESV)、负荷左心室射血分数(stress ejection fraction,SEF)、静息左心室收缩末期容积(rest end-systolic volume,RESV)、静息左心室射血分数(rest ejection fraction,REF)在MACE组与无MACE组,差异有统计学意义(P<0.05)。Cox回归分析显示SSS(HR=1.18,95%CI:1.088~1.279,P<0.001)是与HoFH患者出现MACE的独立预测因子。通过ROC分析确定预测HoFH患者出现MACE的SSS最佳截断值为5.5(AUC=0.813,95%CI:0.682~0.945,P<0.001),SSS≥5.5组MACE发生率明显高于SSS<5.5组(69.2%vs.15.0%,χ^(2)=27.085,P<0.001)。结论:负荷+静息G-MPI是对HoFH患者进行MACE评估的重要影像学手段,参数SSS是预测患者出现MACE的重要因素。

P2X7R过表达的巨噬细胞MSU晶体诱导痛风炎症反应过程中IL-1β、TNF-α、NLRP3表达观察

目的观察嘌呤能受体P2X配体门控离子通道7的配体(P2X7R)过表达白血病细胞诱导分化的巨噬细胞单钠尿酸盐(MSU)晶体诱导痛风炎症反应过程中NOD样受体家族3(NLRP3)蛋白、IL-1β、TNF-α表达情况。方法取人单核细胞白血病细胞系THP-1,并随机分为过表达组、空白组、模型组、对照组;过表达组和空白组分别转染P2X7R过表达质粒、空白载体质粒,转染5 d,将过表达组、空白组、模型组THP-1细胞用100 ng/mL的PMA刺激3 h后分化为巨噬细胞,另将MSU晶体用氢氧化钠溶解配制成浓度为100μg/mL的MSU乳糜状悬液加入培养液中孵育6 h;对照组正常培养。分别采用RT-PCR法和Western blot法测算巨噬细胞P2X7R mRNA、蛋白,ELISA法检测巨噬细胞上清液IL-1β、TNF-α,Western blot法测算巨噬细胞NOD样受体家族3(NLRP3)蛋白。结果与对照组比较,过表达组、空白组、模型组P2X7R mRNA和蛋白相对表达量升高,细胞上清液IL-1β、TNF-α水平升高,细胞NLRP3蛋白相对表达量升高(P均<0.05);与模型组、空白组比较,过表达组P2X7R mRNA、蛋白相对表达量升高,细胞上清液IL-1β、TNF-α水平升高,细胞NLRP3蛋白相对表达量升高(P均<0.05)。结论P2X7R过表达白血病细胞诱导分化的巨噬细胞MSU晶体诱导痛风炎症反应过程中IL-1β、TNF-α、NLRP3表达增加,IL-1β、TNF-α水平升高可能通过激活NLRP3蛋白来实现。

基于Word2Vec和Bi-GRU的高职线上教评情感分析法试探

为提高高职线上教评情感分析的准确度和效率,提出基于双向门控循环单元(Bi-GRU)网络的教评情感分析法。该方法利用Skip-gram神经网络学习教育领域特定的词嵌入向量,再利用两个相同架构的Bi-GRU网络,从不同角度实现对学生反馈的细粒度分析。实验结果表明,该方法内容分类和情感分类的准确度分别达到97%和95%,显著优于支持向量机(SVM)、长短时记忆网络(LSTM)等其他方法。

《文始》“且”族校笺及评议

宏观层面,《文始》“且”族以初文“且”为语根,以“孳乳”“变易”为线索,在藉义、阻义、助义、往义、粗义、壮义、始义等错综复杂的义通关系中建构“且”族系统。“且”族的宏观脉络基本上合理。微观层面,《文始》“且”族的很多结论在学界基本能达成共识,一些有争议的结论也能够启迪后学。《文始》“且”族也存在一些牵强、错误的结论,应高度重视《文始》的价值但不能处处迷信《文始》。《文始》词族中卓见与谬误往往杂厕而居,明其是,辨其误,才能更好地发挥《文始》的学术价值。

网络新词族“X替”探微——以“嘴替”为例

以“嘴替”为代表的网络新词族“X替”主要是由单音节的身体部位词或少量不及物动词与类词缀“替”构成的附加式合成词。“X替”的语义由“替代某人做某事的人”隐喻“某种表现引起共鸣的人”义,还可进一步转喻“对某行为深切认同”义,其中“替”有成为词缀的趋势。“X替”作句法成分受到语体的制约,在口语中作宾语,在书面语中除作宾语外,还可作主语与定语。“X替”在语言环境中具有鲜明的褒义色彩,其形成与流行受到了语言内部因素及外部因素的共同影响。

融合双图卷积与门控线性单元的方面级情感分析模型

方面级情感分析旨在确定句子中给定方面的情感极性。现有的基于图神经网络的方面级情感分析存在以下2个方面的不足:忽略了不同类型的句法依存关系和语料库中的词共现信息,以及不能准确地控制情感信息流向给定方面。针对以上问题,提出融合双图卷积与门控线性单元(GLU)的方面级情感分析模型。该模型首先采用全局词汇图来编码语料库中的词共现信息,在词汇图和句法图上利用分类概括结构来区分各种词共现频率和不同类型的句法依存关系。然后分别在2个图上进行双层卷积,继而使用Bi Affine变换模块作为桥梁,在2个图卷积网络模块之间有效地交换相关特征,从而有效地融合句法信息和词汇信息。最后利用GLU控制情感信息流向给定方面,使模型可以更专注地分析与该方面相关的情感信息,避免不相关的情感信息影响对给定方面的情感分析结果,从而提高分析的准确性。实验结果表明,在Twitter、Laptop14、Restaurant15和Restaurant16数据集上,该模型的准确率分别达到74.82%、77.61%、82.29%和89.81%,F1值分别达到72.97%、73.52%、67.72%和73.37%,方面级情感分类效果明显优于其他基线模型。

基于观念词“СЕМЬЯ/家”联想实验的俄汉语言世界图景研究

观念词“СЕМЬЯ/家”是俄汉语中都存在的、能反映民族观念的典型词汇之一。“家”观念涉及了一个民族的道德规范、生活习俗、传统文化等多个方面,是一个民族价值观的重要内容。本研究选取俄汉语中“СЕМЬЯ/家”这一重要的观念词,采用联想实验、观念分析等方法,从心理语言学、语言文化学视角阐释俄汉语中“СЕМЬЯ/家”观念的文化语义异同,揭示俄汉民族的语言意识及民族文化内涵,展示俄汉民族语言世界图景。

中文重叠关系抽取的动态分层级联标记模型

构建了动态分层级联标记中文重叠关系抽取(RWG-LSA)模型:首先基于预训练语言模型和gated机制构建了动态字词融合特征学习模型(RWG),有效避免了主体标记模块的特征缺失和无法并行计算等问题;其次引入动态权局部自注意力(LSA),自主学习到主体层面的语义特征;最后在有效融合了输入序列的全局和主体局部特征的基础上,实现RWG-LSA模型对文本中实体对和关系的抽取。在SKE中文数据集上的实验表明,本模型对重叠关系抽取有显著效果,F1值达到了82.44%。

论曾国藩的清正治家之道

曾国藩是晚清著名的政治家、军事家、思想家和学者。和其他身居高位的官员一样,他在为官生涯中遇到了家族成员存在的问题,即政商交易、干预公务、花费奢侈以及道德有污点,不利于家族的延续。为了解决这些问题,他提出了不干预公务的观点,指出干预公务的后果,规劝父亲和弟弟不要干预公务;提出“八败说”,即居官四败和居家四败,深刻剖析了古来为官者身败名裂、家族消亡的原因,警醒自我,教育家人;提出治家的三字诀,即清、慎、勤,经济上要清正清廉;政治上要谦虚谨慎,不骄傲自满;生活上要勤俭持家,保持寒士作风。曾国藩的治家思想取得了很大成就,但也存在弟弟私德有亏以及次子曾纪鸿沾染官宦子弟习气等问题。

Information Technology Career Interest on High School Students Based on Family Background

The objective of this paper is to measure word of mouth influence on IT career interest based on family background on Indonesian students. For this purpose the author used questionnaire as research instrument. Data as a value to interest, word of mouth and family background variables, was gathered from high school students in Jakarta metropolitan. Further, data was analyzed using multiple groups on Lisrel software. Result shows that there＇s difference on the influence of word of mouth on computer/IT career interest based on family background. Model relationship between word of mouth and student interest towards computer/IT is moderated by parent education and birth order.

西北地区语言接触研究:现状、问题与对策

西北地区的语言接触研究是当前语言学界关注的热点和难点。通过梳理西北地区语言接触的研究现状发现,已有研究成果着眼于语言接触产生的词汇借用现象、语言接触过程的语法复制以及语言接触理论研究等,研究形式多样,成果层出不穷。但也存在调查的深度和广度不够,比较研究、跨学科研究等有待进一步深入等问题。西北地区的语言接触研究不仅为汉语方言提供了语言接触研究的新视角,也为接触语言学提供了中国北方汉语和阿尔泰语言接触的研究个案,修正并完善了语言接触理论。西北地区的语言接触研究能够促进国家通用语言文字的发展,对于铸牢中华民族共同体意识具有重要意义。

知识增强的方面词交互图神经网络

现有的方面级情感分析方法对句法依存树蕴含信息使用不足,忽略多方面词之间的关联,并且缺少对外部知识的使用。针对这些问题,提出一种知识增强的方面词交互图神经网络(KEAIG)模型。首先利用融合领域知识的BERT-PT (Bidirectional Encoder Representation from Transformers with Post-Train)编码文本,并利用知识图谱增加句法树的情感信息。模型分两部分对句法依存树蕴含的信息进行提取:第一部分利用句法依存树中的关联关系和每个单词的词性标签提取句子特征,第二部分对融入知识图谱的句法依存树进行特征提取。之后使用融合门控单元将多方面词关联特征融合进提取到的特征中。最后将两部分句子表示拼接起来作为最终分类依据。在4个数据集上的实验结果表明,所提模型相较于基准模型关系图注意力网络(RGAT),在准确率上分别提升了2.17%、5.54%、2.60%和2.83%,在F1值(Macro-F1)上分别提升了2.69%、6.87%、8.77%和14.70%,充分表明了利用句法树、引入外部知识和提取多方面词关联的有效性。

异构并行的DGA域名检测方法

现有的DGA域名检测方式存在检测时间开销大、检测精度不高以及基于单词的DGA域名检测效果不佳等问题。经过研究发现,将域名先按照典型特征分类再进行更细致的特征提取,对于模型的准确率有一定的正向作用,且多类并行可以降低检测时间,此外对于较难检测的基于单词的DGA域名可以进行针对性处理。因此,文中提出了一种基于Word ninja分词技术的三路异构并行的DGA域名检测模型。先将域名分为三类,再针对每一类进行检测模型结构的搭建。对于字符级域名,通过人工提取特征来进行域名的有效分类。对于词根词缀级域名,采用FastTest进行子词之间、字符之间以及上下文之间关系的特征提取,再作为词向量嵌入。对于单词级域名,采用Word2Vec理解和处理词的含义和词之间的关系。最后,将文中方法和当前流行方法、多路异构并行模型和单路模型的检测结果进行比较评估,实验结果证明了提前分类的必要性以及多路并行的有效性。

融合语义特征和知识特征的推荐模型

针对传统推荐模型面临的数据稀疏性问题,提出一种基于结合注意力机制的门控循环单元的融合语义和知识特征的推荐模型。基于知识图谱,使用连续词袋模型捕获项目实体对应的语义特征,依据“偏好扩散”思想进行知识特征的学习,将不同层面特征进行融合后,使用结合注意力机制的门控循环单元挖掘用户潜在兴趣偏好。基于MovieLens数据集的对比实验结果表明,所提模型能够有效提升推荐效果并缓解数据稀疏性问题,通过消融实验验证了该模型各个组件的有效性。

基于BERT-BiGRU-CNN模型的短文本分类研究

针对传统语言模型不能解决深层双向表征和分类模型不能充分捕获文本显著特征的问题,提出了一种基于BERT-BiGRU-CNN(Bidirectional Encoder Representation from Transformers-Bidirectional Gating Recurrent Unit-Convolutional Neural Networks)的文本分类模型。首先,该模型使用BERT预训练语言模型进行文本表示;其次,将BERT的输出数据输入BiGRU中,以捕获文本的全局语义信息;然后,将BiGRU层的结果输入CNN中,捕获文本局部语义特征;最后,将特征向量输入Softmax层得到分类结果。实验采用中文新闻文本标题数据集,结果表明,基于BERT-BiGRU-CNN的文本分类模型在数据集上的F_(1)值达到0.948 5,优于其他基线模型,证明了BERT-BiGRU-CNN模型可提升短文本的分类性能。

基于双通道门控复合网络的中文产品评论情感分析

情感分析任务旨在理解和分类实体及其属性所表达的情感极性。在对中文文本进行分类时,现有的方法大多输入特征表示单一,导致模型不能充分学习语义信息。针对上述问题,提出了一种采用双通道门控复合网络的模型DGCN,将词向量和字向量作为双通道的输入,弥补了词向量由于分词不准确等问题造成的缺陷并丰富了语义信息;同时,使用门控机制改进了通道的结合方式,让字向量更好地辅助词向量学习文本的特征信息;在每个通道上都使用双向门限循环网络和卷积神经网络构成的复合网络,让二者优势互补,并添加Attention机制关注更有效的特征。实验结果表明,在中文产品评论情感分析方面,模型DGCN的准确率和F1值优于对照组的,且有良好的应用能力。

融合字词特征的互联网敏感言论识别研究

互联网敏感言论与普通言论之间存在显著差异,为规避过滤规则,其语义较为隐晦,一词多义现象频出,不规范程度较高。为高效识别互联网中的敏感言论并对其进行准确分类,针对敏感言论的特点与现有模型的缺点,对文本卷积神经网络进行了改进,结合ALBERT(a Lite BERT)动态字级编码模型、文本卷积神经网络、多头自注意力机制与门控机制的优势,提出了一种融合字词特征的双通道分类模型ALBERT-CCMHSAG。该模型将文本的字级与词级语义信息、局部关键特征与上下文语义进行了充分提取与融合,以此提升敏感言论的分类效果。ALBERTCCMHSAG模型在敏感言论数据集上、噪声敏感言论数据集、小样本敏感言论数据集上的表现均为最优,证明了该模型对敏感言论识别与分类能力更强,能应对噪声数据与适应训练数据不足的情况,鲁棒性更强。在酒店评论数据集上,该模型的性能同样优于对比模型,证明了模型在其他语料上也很可能具有优异表现。

“云X”词族中“云”的语素类型汉英对比研究

近年来网络上涌现出大量“云X”词,被称为“云X”词族,其中“云”的语义和构词搭配不同于传统含“云”的词,学界对“云”的语素类型尚无定论。结合词典和语料,梳理“云”的语义变化和构词搭配在汉语和英语中的差异,发现汉语中“云”的语素类型可以被视为类词缀,而在英语中的“cloud”却是自由语素且为多义实词的一个词项。导致这一差异的原因与“云”和“cloud”的来源、语义变化路径及演变时间长短有关。

基于图卷积和注意力的方面级情感分类

为解决图注意力网络对边信息的忽视和固定卷积层数的方法不能自适应获取情感词信息的问题,提出一种基于图卷积和注意力的方面级情感分类模型。加入句法依存边信息提高对不同句法连接词的区分度;一个迭代注意力机制被设计用于建立方面词和句中所有词的关联关系,自适应选择全局词信息。模型在Twitter、Rest14和Rest16数据集上获得更好的性能。实验结果验证了该方法的有效性。

基于BiLSTM-CRF的中文分词和词性标注联合方法

针对中文分词、词性标注等序列标注任务,提出结合双向长短时记忆模型、条件随机场模型和马尔可夫族模型或树形概率构建的中文分词和词性标注联合方法。隐马尔可夫词性标注方法忽略了词本身到词性的发射概率。在基于马尔可夫族模型或树形概率的词性标注中,当前词的词性不但与前面词的词性有关,而且与当前词本身有关。使用联合方法有助于使用词性标注信息实现分词,有机地将两者结合起来有利于消除歧义和提高分词、词性标注任务的准确率。实验结果表明:本文使用的中文分词和词性标注联合方法相比于通常的双向长短时记忆模型−条件随机场分词模型能够大幅度提高分词的准确率,并且相比于传统的隐马尔可夫词性标注方法能够大幅度提高词性标注的准确率。