基于框架的护理活动事件数据集构建

护理活动具有事件语义特性,即包含事件触发词和事件论元。以事件框架为指引,即以动词为触发词,以触发词匹配的动词特征作为事件论元角色,对《护理措施分类(NIC)》第5版的护理活动文本进行事件实例抽取,构建出护理活动事件数据集(NAEV Dataset)。NAEV包含16个护理活动事件类型、13个论元角色、15159个护理活动事件、893种触发词和33406个论元实例。基于文本构建的NAEV数据集存在事件要素重叠特性,为事件抽取任务增加了挑战性。选取事件抽取领域主流的3个模型进行数据集有效性验证。实验结果表明,不同模型在数据集上的性能差异与模型构建原理的差异性一致,这说明NAEV数据集能为事件抽取科研创新提供高质量的数据支持。NAEV数据集能够推动护理领域的事件抽取、事件对齐、事件补全、事件演化等相关研究。

基于小时降水资料研究北京地区降水的精细化特征

根据北京全区2007~2014年117个自动气象站逐小时降水资料,在揭示降水总体时空特征的基础上,进一步研究了北京地区各季(以春、夏、秋为主)降水的精细化特征。研究发现:北京全区年均降水量存在两个高值中心(城区和下风方向的降水高值中心),城市热岛效应可能是城区高值中心形成的重要影响因素之一;北京全区降水的季节分布不均,日分布也不均匀;城市化对北京地区降水的影响具有季节差异,夏季短历时和中历时降水在城区和东北部存在显著的大值区,受到城市热岛效应的影响可能较为明显,长历时降水在城区反而相对偏低,而春季城区短、中历时降水并未偏多,长历时降水却在城区出现明显的高值中心;降水日变化季节差异明显,春、秋两季呈现双峰型变化,而夏季呈现单峰型变化,该日变化的特征与全区降水的空间分布格局关系紧密。

1961-2015年中巴经济走廊极端低温事件数据集

气候变化背景下,全球极端低温事件频发,严重影响了人类社会经济的发展。准确识别极端低温事件是减轻和抵御极端低温灾害的关键。本文基于中巴经济走廊地区格点化(0.25°×0.25°)逐日最低气温数据,通过计算极端低温阈值、剔除高温地区、识别不同持续时间极端低温事件,制作了1961–2015年中巴经济走廊地区的极端低温事件数据集。通过与历史极端低温事件记录对比验证表明:本数据集具有较高准确度和可靠性。本数据集可为中巴经济走廊地区极端低温事件时空变化和风险评估研究提供数据支撑。

基于开源军事新闻的领域事件数据集

军事领域的文本数据集是在军事领域进行事件抽取的基础,高质量的数据集可以有效地推动军事领域事件抽取的研究,然而目前常用的事件抽取数据集(如ACE2005等)是面向通用领域的,关于军事领域事件的文本语料资源十分匮乏。因此,我们从公开军事新闻网站获取大量的军事新闻内容;在对新闻文本内容进行分析的基础上,首先建立包含事件类型、实体类型和实体关系类型的军事新闻事件模型;进而依据事件模型对文本数据进行人工标注,同时对事件模型进行迭代验证和修正;最终获得由13000条高质量军事新闻文本事件组成的标注种类全、质量高的军事新闻事件数据集。本研究公开了该军事新闻事件数据集。

现实与赛博空间数据相结合的城市活动事件时空建模

城市活动事件(如文化、娱乐、体育等事件)的规模与影响力是城市经济文化发展的重要体现,其发生的全过程对城市现实空间与赛博空间都会产生巨大影响,从现实空间与赛博空间对城市活动事件的演化感知、动态建模与时空分析,具有重要的理论研究与应用价值。提出了一种结合现实空间交通数据与赛博空间社交媒体数据的城市活动事件时空建模分析方法,从事件进行中的交通轨迹,探测识别与事件显著相关的城市时空区域和交通流,分析现实空间事件热度的时空变化;从事件发生全过程的社交媒体数据中,探测分析赛博空间事件热度的时空变化;通过将现实空间和赛博空间的融合,建立城市活动事件时空模型,刻画事件全过程中城市地理空间与城市行为空间的时空演变特征。以2015年周杰伦"魔天伦2.0"世界巡回演唱会(武汉站)事件为例,采用武汉市出租车GPS轨迹数据和微博数据,对演唱会的事前、事中、事后实现城市地理空间与行为空间全过程建模与时空演变分析,并与单一数据源事件刻画模型进行比较,结果显示本方法能更合理地结合现实空间和赛博空间刻画城市活动事件。

基于时序栅格的暴雨事件提取与追踪方法

利用长时间序列栅格数据集,基于暴雨的时空演变特征提出一种暴雨事件时空提取与追踪方法.首先在时间维度提取暴雨栅格,针对每一个时序栅格序列统计累计降水量,依据国家气象局的标准划分暴雨等级;然后在空间维度提取暴雨对象,连接具有暴雨标识的相邻空间栅格并将其矢量化,记录暴雨的时间信息、空间信息、属性信息;接着在时空维度追踪暴雨事件,以相邻时刻暴雨对象的空间拓扑相交为条件寻找前后时刻空间拓扑相交的暴雨对象,建立暴雨对象间的关系,提取出所有存在关系的暴雨对象,统计暴雨事件信息;最后利用GPM IMERG最终产品数据集、台站数据集、雷达数据集对该方法的可行性和有效性进行验证与对比分析.实验结果表明,该方法可以完整提取暴雨的动态发展过程.

基于再分析资料的近百年中国极端冷事件的变化

全球变暖背景下,中国区域极端冷事件发生明显变化。由于观测资料的限制,近百年极端冷事件变化特征的研究还较少。通过对比观测资料和两套百年尺度的再分析资料计算得到的13个极端冷事件指数,对中国区域极端冷事件变化特征的分析表明:同全球变暖一致,20世纪早期以来,中国极端冷事件的强度、频率、持续时间均呈减小趋势,基于过冷系数定义的寒流次数、持续日数均呈现减少趋势,采暖度日数减小,反映我国供暖能源需求呈减少趋势。1951年以后极端冷事件的特征的变化更为显著,一些指数的变化明显超过百年尺度的变化,说明20世纪中期以后冷事件迅速减弱、减少。两套百年尺度的再分析资料可用来研究中国区域极端冷事件变化,但在资料匮乏的地区不确定性很大,需要谨慎考虑资料分布范围和资料质量等问题。

封闭域深度学习事件抽取方法研究综述

事件抽取作为自然语言处理的研究热点之一,其可以从海量数据中提取出有价值的信息,并以结构化的形式展现给用户,在舆情监控、信息检索、金融风投等方面有着广阔的应用前景以及巨大的应用价值。随着深度学习的发展,基于深度学习的事件抽取方法受到越来越多研究人员的关注。通过事件抽取的任务定义,描述基于深度学习事件抽取现有的研究理论;通过分析不同神经网络模型构成的事件抽取方法,探究基于深度学习事件抽取的处理思路,并根据不同的处理思路,将深度学习的事件抽取方法进行分类。在每个分类中,对最经典的研究工作从其问题来源、解决方案、贡献以及缺陷不足进行详细的分析;通过事件抽取数据集的介绍,说明当前事件抽取的研究基础;通过在不同数据集上的事件抽取性能表现,归纳当前事件抽取的发展现状。在此基础上,对当前深度学习应用于事件抽取所面临的困难和挑战进行总结与分析,并对事件抽取的发展前景进行展望。

面向司法领域的藏文事件数据集构建

为了构建高质量的藏文司法事件数据集,推动藏文司法事件抽取技术的进一步探索、评测与优化。该文面向藏文司法领域,以藏文刑事裁判文书为研究对象,设计了“类别分组-主题建模”两阶段的契合藏文司法实际的事件Schema;采用模型驱动的事件触发词预标注与事件要素人工标注相结合的半自动化数据标注方式,对1863篇藏文刑事裁判文书进行爬取、OCR、降噪、分析、多人协同标注及审核,构建了藏文司法事件数据集TiEvent。TiEvent共定义了3个大类、12个小类的事件类型,涵盖1863个藏文真实司法文本的2249个事件提及。BiLSTM、BiLSTM-CRF、CINO-CRF等事件抽取模型的实验结果表明,藏文司法事件触发词检测和论元识别的最高F1值分别为75.36%、70.98%。在藏文司法文本上,TiEvent具有较高的事件覆盖度和事件要素完整度,能够满足藏文司法事件抽取工作的基本需要。

使用Delphi数据集的类

在使用Delphi进行数据库管理系统的开发过程中,数据集是必须而且经常大量用到的 创建数据集的类将减少代码冗余,使程序更具模块化、易于维护 本文提出创建数据集类的思路,并就数据集类中的方法定义进行了研究和讨论.

临床风险预测模型外部验证指南(2024版)的解读与启示

解读BMJ最新发表的临床风险预测模型外部验证指南(2024版),对获取高质量数据集、进行结局事件预测、评估模型预测性能、评估临床适用性及清晰透明的报告结果5个关键步骤进行分析总结,并对我国护理领域风险预测模型外部验证的问题及局限性提出建议,以期推动未来护理领域高质量风险预测模型向临床实际应用转化。

利用深度时空自编码网络与多示例学习进行船只异常事件检测

异常事件检测是交通安全防控的重要支撑技术,也一直是信息科学领域的研究热点。提出了利用深度时空自编码网络与多示例学习进行船只异常事件检测的方法,针对目前无法为模型训练提供精确帧级别标注的问题,引入多示例学习模型,将视频作为包,并将视频片段作为包中的示例,通过网络自动学习一个深度异常排序模型,该模型能预测异常视频片段的分数。同时,在特征提取方面,提出了深度时空自编码网络,在空间自编码器中,为了获取更精确的红绿蓝特征,将解码器中的上采样层替换为像素重组层。在时间自编码器中,为了突出运动变化较大的区域,引入基于方差的注意力机制,使快速移动的物体有更大的运动损失,有利于检测出异常事件。还构建了一个新的大规模的船只视频数据集,包括100个真实场景的监控视频以及5类真实的异常事件,分别为海面逗留、非港口靠岸、非港口离岸、超速和越界。该数据集可用于模型的训练与测试。实验结果表明,相比传统的双流网络以及基于图像重构的检测方法,所提出的基于深度时空自编码网络与多示例学习的方法的异常事件检测精度由71.7%提升为82.4%,表明了其在船只异常事件检测上的有效性。

低空遥感地质灾害目标数据集的制作及测试

数据集制作是利用深度学习方法进行地质灾害目标自动检测的重要基础。提出一种无人机影像地质灾害目标数据集(disaster event dataset,DED)的制作方法,该数据集包含坍塌房屋、滑坡和泥石流3种典型地质灾害目标,共有16 535个标注对象。使用Faster R-CNN模型进行实验评估以检验DED的有效性,并基于不同深度的预训练网络以及是否使用k-means聚类优化进行对比实验。结果表明,基于DED训练深度网络有较好的效果。

基于时序栅格的海洋异常事件提取方法

海洋异常事件(Marine Abnormal Event,MAE)可为区域海气相互作用和全球气候变化研究提供重要的时空特征参考,具有重要的科学意义。鉴此,本文基于长时间序列的栅格数据集,提出了一种海洋异常事件时空提取算法(Marine Abnormal Event Spatio-Temporal Extraction Method,MAESTEM)。MAESTEM的核心步骤包括事件的时间维度提取、事件的空间维度提取和事件追踪。在时间维度提取方面,将每一个栅格像元作为一维时间序列,计算其平均值和标准差作为判断每个时刻是否异常的标准,并根据异常持续发生的时间长短来提取时间维度的海洋异常事件(Temporal MAE,TMAE)。在空间维度提取方面,利用空间邻域统计方法,统计栅格像元的空间邻域中属于TMAE的个数,并通过空间维度异常判断规则获取空间维度的海洋异常事件(Spatial MAE,SMAE)。利用时刻状态的SMAE的空间拓扑关系,根据事件前后时刻覆盖的空间区域是否重叠以及事件持续的时间长短,实现异常事件的追踪。最后,通过提取太平洋海域1993年1月至2012年12月的月均海面高度异常(Sea Level Anomaly,SLA)事件,验证了该算法的有效性和实用性。

中文图文数据集构建

为了从更深层次语义信息来描述图像,定义了图像、文本、事件文本、事件图、图像关键要素和文本关键要素六元组,以六元组为对象建立了中文图文数据集。基于事件语义模型与事件语义标注规范,在对采集的图像文本标注事件语义角色与事件关系的基础上,采用事件图对其语义进行形式化表示。对该中文图文数据集的统计分析表明,该数据集中各个事件语义角色都有所涉及且分布适中,图文对应区域数量相对句子长度表现适中,图文对数据质量较高。