自然语言处理在医疗设备采购参数制订中的应用价值研究

目的:构建智能化医疗设备采购参数生成系统,实现医疗设备采购参数制订表达清晰和需求匹配精准,提高招标结果的认可度和招标效率。方法:基于自然语言处理(NLP)、网络爬虫和机器学习方法,构建自动化数据更新机制,实现海量采购参数数据提取,并将实体识别方法用于既往采购参数数据分析,实现医疗设备信息及参数名称等实体自动化提取,基于相似性设备推荐及医疗设备模板派生方法,采用向导式交互工具构建智能化医疗设备采购参数生成系统。对比采用智能化医疗设备采购参数生成系统与4名具有3年采购经验的招标采购人员进行10份医疗设备采购参数文件制订的差异。结果:采用智能化医疗设备采购参数生成系统的医疗设备采购参数文件平均生成时长为15.23min,而招标采购人员制订医疗设备采购参数文件平均时长为173.40min。经招标采购专家评估,采用智能化医疗设备采购参数生成系统生成医疗设备采购参数文件效率及质量均优于3年采购经验招标采购人员制订的医疗设备采购参数文件。结论:智能化医疗设备采购参数生成系统应用于医疗设备采购参数制订,可实现医疗设备采购参数的专业信息采集、存储和管理,缩短医疗设备采购参数制订周期,为医疗设备招标采购从业人员提供智能化辅助生成工具,提高采购参数制订效能,提升医疗设备采购效率。

自然语言处理在智能客服系统中的应用

本文探讨了自然语言处理(natural language processing,NLP)技术在智能客服系统中的应用。通过分析自然语言处理的关键技术,如文本预处理、意图识别、槽位填充、对话管理和上下文理解等,阐述其在智能客服系统中的实践应用。文中介绍基于知识图谱的问答系统、多轮对话式客服机器人和情感分析等典型应用实例,展示了自然语言处理技术如何提升智能客服系统的性能和用户体验。

基于自然语言处理技术的微课程内容生成与自动化应用效果评估

传统的微课程制作过程烦琐且耗时,难以满足快速更新和个性化定制的需求,而自然语言处理(Natural Language Processing,NLP)技术为微课程内容生成与自动化应用提供了新的解决方案,并提出相应的效果评估指标,对其效果进行定量分析与评估。

当代自然语言处理技术驱动的城市公共空间“共建共治”初探

以大语言模型(LLM)为代表的当代自然语言处理(NLP)技术为进一步汇聚专业领域知识智慧、赋能多元主体共塑城市公共空间品质带来巨大契机。文章探索了当代NLP技术支持的公共空间“共建共治”技术框架与关键问题:首先,梳理明确城市公共空间“共建共治”机制及技术发展需求;其次,结合当代NLP技术特征归纳其在公共空间“共建共治”中的潜力;最后,提出当代NLP技术驱动的城市公共空间“共建共治”技术框架、原型案例并展望未来发展方向。

深度学习在自然语言处理领域的研究进展

通过定量与定性相结合的方式全面分析了深度学习在自然语言处理领域的研究情况。采用CiteSpace和VOSviewer对深度学习在自然语言处理领域的研究国家、机构、期刊分布、关键词共现、共被引网络聚类及时间轴视图等进行知识图谱绘制,理清研究脉络。通过深入挖掘领域内的重要文献,总结深度学习在自然语言处理领域的研究趋势、存在的主要问题或发展瓶颈,并给出相应的解决办法与思路。对于如何跟踪深度学习在自然语言处理领域的研究成果给出建议,为该领域的后续研究与发展提供参考。

基于自然语言处理和知识图谱的医疗文本挖掘与知识提取

医疗领域知识的获取通常需要耗费大量的时间和人力成本。通过自动提取医疗知识,构建知识图谱,并利用自然语言处理(Natural Language Processing,NLP)技术进行推理和推荐,可以辅助医生制定更准确、个性化的诊疗方案,并为患者提供更好的医疗服务。基于此,文章探讨了结合自然语言处理和知识图谱的医疗文本挖掘与知识提取。

基于自然语言处理技术的智能配电网调度优化方法研究

由于历史电力数据中许多不确定性特征被忽略,造成调度优化方案无法解决电网节点电压越限,为此提出一种基于自然语言处理技术的智能配电网调度优化方法。采用包含注意力机制的编码器-解码器框架,并利用自然语言处理技术深入挖掘电网历史运行数据,获取负荷参数特征;在此基础上,建立一个优化调度模型,其中考虑有功调度成本最低的目标;为了求解这个优化调度模型,采用改进的随机搜索和启发式搜索算法,通过这些方法,得到一个最优的智能配电网调度方案。算例结果表明,使用所提出的调度优化方法后,智能配电网节点电压保持在0.95~1.05 pu的优质电压范围内,并且电压越上限的情况完全消失。

基于空间语义角色的自然语言空间概念提取

根据空间信息的特点,从定义的空间语义角色入手,通过语义角色标注、短语识别以及概念模式匹配等手段,具体分析了自然语言中的空间实体、实体间空间关系以及空间过程的表达与提取方法。

基于NLP的图书馆智能问答系统研究

随着计算机算力的提升和智能设备的普及,社会逐步进入智慧化时代。高校图书馆作为高校的文献信息中心,进行智慧化转型提升服务质量是时代所需。因此,文章借助智能问答技术,设计了基于自然语言处理(Natural Language Processing,NLP)的图书馆智能问答系统,创新图书馆参考咨询服务模式,提高图书馆服务水平和效率。

NLP技术在智能语音质检中的应用

在数字化时代,智能语音质检成为企业提升工作效率的重要工具,其中自然语言处理(Natural Language Processing,NLP)技术的应用为智能语音质检提供了技术支持。NLP技术通过情感分析、语义分析等手段,使得质检过程更加高效、准确,并降低了质检成本。基于此,探讨了NLP技术在智能语音质检中的应用优势和具体实现方式。

在线开放课程中教师教学行为研究——结合自然语言处理观点挖掘的方法

在线学习中教师教学行为影响到在线学习者课程评价和学习体验。本文提出研究假设:教师主教行为与学习者课程评价正相关;教师助教行为与学习者课程评价正相关;教师管理行为与学习者课程评价正相关。主要运用自然语言处理(NLP)和内容分析的方法,从学习者评论中挖掘在线学习者观点。研究设计了学习者观点抽象模型和教师教学行为编码表,运用语言技术平台(LTP)依存句法分析识别观点句,并基于规则压缩抽取观点句中属性和观点词语,编码分析教师教学行为相关观点。分析教师教学行为与学习者课程评价的相关性发现:教师主教行为(讲授、指示、演示)与学习者课程评价正相关;教师助教行为(评价反馈、技术指导)和教师管理行为(组织讨论、课程管理、辅助学习资源管理)与学习者课程评价的相关关系未达到统计检验的显著水平。基于研究结果提出在线学习中教师教学行为发展建议。

自然语言处理技术在航空领域的应用探索

分析了航空领域应用自然语言处理(NLP)技术的需求和场景,规划了航空领域NLP技术应用推广方案,总结了NLP技术发展现状问题及在航空领域应用存在的问题。针对工具问题,开发了验证推广平台软件,针对领域算法问题,采用两种方法试验探索了航空命名实体识别算法,可为航空领域应用NLP技术提供借鉴和参考。

我国低资源语言大规模数据建构及语言田野实践的数据转向

低资源语言是指缺乏可用于自然语言处理任务和语言学计量分析所需足够基础数据的语言。低资源语言数据稀缺,是当前语言科学和自然语言处理共同面临的问题。语言数据资源最基础的部分是单语或双语词汇、语句的语音和文本数据。我国普通话、粤方言、藏语、维吾尔语、蒙古语、壮语总体属于高资源语言,其他语言都属于低资源语言,其中县乡语言和方言属零资源语言。建构我国低资源语言的大规模数据,有助于强化我们掌握自己国家语言资源的控制权,发挥我国自然语言处理领域在语言模型技术创新中的独特作用,推动语言田野工作的数据转向,创新田野语言学理论和实践,促进基于数据计量的语言学广域研究。建构我国低资源语言数据,主要有四项任务:一是建构大规模词语数据集,二是建构知识语义词网,三是建构大规模句子数据集,四是现有语言资料的数据化。

基于NLP的煤矿事故原因分类研究

为有效提升分析和处理煤矿事故文本的效率,融合自然语言处理(NLP)技术与事故致因模型,构建一个自动化的事故原因分类框架。首先以事故致因“2-4”模型(24Model)为事故分类依据,分析87份煤矿事故调查报告,得到煤矿事故原因分类框架,构建每类事故原因的语料库;然后利用NLP技术分别处理语料库中各类原因文本,将其用于训练fastText模型,自动识别事故原因文本并分类;最后对比分析fastText模型与TextCNN等其他3种经典模型的分类效果。结果表明:共得到21类事故原因和6684条训练语料,训练后的fastText模型对煤矿事故原因分类的识别正确率能够达到98.92%,综合性能优于其他3种分类模型。基于24Model和NLP技术开发的事故文本挖掘系统,能够快速分析处理事故文本信息,进一步细化事故调查报告中的原因,便于进行事故案例学习和统计分析。

基于NLP的信息检索

信息检索的目标是获得相关的信息,应用NLP技术可以提高信息检索的查全率和查准率。分析信息检索的困境,提出应用NLP解决信息检索困境的方式和方法,使中文信息检索技术更科学,准确。

基于NLP的新冠肺炎疫情研判系统设计与实现

新冠肺炎疫情爆发以来,各地12345便民服务热线每天都在接听大量涉疫情的来电咨询、建议、投诉、举报,这些热线数据包含大量及时、鲜活的涉疫信息,其中一些问题涉及疫情期间群众切身利益,具有很高的参考价值。但由于数据体量较大,存在大量口语化的表述,常规方法根本无法做到数据精准分类和实时研判。文章介绍基于NLP(自然语言处理)技术实现数据的精准智能分类、提取,结合GIS(地理信息系统)技术实现渉疫重点地区、单位的自动推送预警,最终快速形成最新的信息专报,及时报送政府决策部门及疫情防控指挥部,为政府部门科学防控、精准施策提供重要参考资料。

基于人工智能技术的语言障碍评估初探

我国语言障碍人群的数量十分庞大,促进这类人群语言能力的提升将有利于社会的和谐与稳定。传统的语言能力评估方法主观性较强,费时费力且不准确。本文提出基于人工智能技术的初步评估方法,不仅为语言障碍评估提供了新思路,而且为语言障碍人群语言能力的提升打下了良好的基础。

NLP题库考试系统的设计与实现

随着自然语言处理(Natural Language Processing,NLP)技术的发展,其对各行各业的发展注入了新的动力,同时在网络教育快速发展的背景下,二者的有机融合也便成为热点。本文提出基于浏览器/服务器(Browser/Server,B/S)模式,通过建立录题模板实现对试题的分割和录入,借助Textrank4zh和word2vec模块,建立以TextRank算法为基础的隐马尔可夫模型完成组卷功能,完成以Vue.js框架为前端和Flask框架为后端的题库考试系统的设计与实现。该项目在减轻教师工作量的同时可更好地考察学生知识掌握的程度。

基于BERT与细粒度特征提取的数据法学问答系统

首先利用bidirectional encoder representations from transformers(BERT)模型的强大的语境理解能力来提取数据法律文本的深层语义特征,然后引入细粒度特征提取层,依照注意力机制,重点关注文本中与数据法律问答相关的关键部分,最后对所采集的法律问答数据集进行训练和评估.结果显示:与传统的多个单一模型相比,所提出的模型在准确度、精确度、召回率、F1分数等关键性能指标上均有提升,表明该系统能够更有效地理解和回应复杂的数据法学问题,为研究数据法学的专业人士和公众用户提供更高质量的问答服务.

基于BART神经网络的爆破文献摘要生成与优化

针对爆破行业的从业人员对爆破英文文献阅读难度大,而又希望快速获取文献核心信息的需求。本文基于BART神经网络进行优化,对于爆破英文文献进行针对性提取出生成式摘要,并与传统的抽取式摘要进行对比,结果表明基于BART神经网络的摘要结果在流畅度和信息完整性上更加优秀,对于爆破英文文献的信息内容提取有很大的帮助。Aiming at the needs of blasting industry practitioners who find it difficult to read English literature on blasting but want to quickly obtain the core information of the literature, this paper optimizes the BART neural network and extracts generative summaries for English literature on blasting. The summaries are compared with traditional extractive summaries. The results show that the summary results based on the BART neural network are more excellent in fluency and information completeness, which is of great help in extracting information content from English literature on blasting.