基于流调数据的患者关系知识图谱构建

随着新冠感染患者数量的增多,产生了大量与之相关的流调数据.以流调数据为基础,通过分析患者间的语义关联特征可以在个体层面表达疾病的传播过程,深入探讨患者染病的特征分布、患者之间的传播路径等问题.基于此,研究以患者为中心并兼顾语义关联特征,借助知识图谱技术完成对患者流调数据的建模.首先在解析流调数据的基础上定义患者语义关系,据此设计患者关系图谱的模式层.然后,通过识别患者、地点实体,抽取“患者-关系-患者”及“患者-居住-地点”三元组等任务完成数据层构建.最后,利用Neo4j图数据库实现患者关系图谱的可视化并加以分析.结果表明,通过对超级传播源分析和传播路径追溯等层面进行验证,患者关系图谱可以挖掘患者的内在关联、有效整合患者语义关系,表达疾病在患者间的传播过程.

一种融合依存句法分析和语义角色标注的领域新闻热点话题识别方法

本文针对当前话题识别方法在发现热点话题中存在低效率、实时性不高等问题,提出一种融合依存句法分析和语义角色标注的领域新闻文本热点话题识别方法。实验数据集选用人工标注的领域新闻文本,将依存句法分析和语义角色标注用于主谓宾实体三元组抽取。对该方法分别和单纯的基于语义角色标注实体关系抽取以及MA-LDA主题抽取模型进行了对比实验,发现该方法的精确率、召回率、F值3个指标更优,尤其是含有动宾关系的领域新闻文本中,精确率达到90.64%。

面向金融文本的实体关系抽取方法

针对金融文本语义特征难以准确提取的问题,提出一种面向金融文本的实体关系抽取方法。使用预训练模型FinBERT对输入金融文本进行字、词粒度特征提取;在编码层引入时序格子网络将词粒度特征动态融合到字粒度特征中;采用字级别注意力机制合并所有字粒度特征,获取更准确的句子表示,进行关系分类。实验结果表明,该方法在金融文本数据集上F 1值达到91.8%,较目前主流方法效果更好。

铁矿石期货价格波动与投资者市场情绪——采集“东方财富”互联网新闻数据构建情绪指数的分析

互联网新闻在传递信息的同时会影响市场交易主体的情绪与决策行为。本文选取2018年6月至2020年6月的铁矿石价格与东方财富网同期相关新闻数据,通过构造情绪指数研究市场情绪对铁矿石期货价格波动的影响,并基于市场情绪分析对铁矿石价格进行预测。研究发现:情绪指数是铁矿石期货价格波动的格兰杰原因,当日新闻对次日市场行情影响效应最大;情绪指数与技术面特征结合可以提高铁矿石期货价格的预测精度。最后,提出加强铁矿石期货投资者市场情绪监测、积极引导铁矿石投资者形成合理预期等政策建议。