基于微服务架构的中文作文智能评阅系统研究与应用

中文作文评阅是语文教学中不可或缺的部分,每次考试后教师都面临集中的阅卷压力,同时,结果只以分数给出而导致评阅粒度过粗。在解决人工评阅问题而构建智能评阅系统时,面临着多算法调用、系统响应速度慢等新问题。基于微服务架构研究搭建中文作文智能评阅系统,根据功能划分出多个微服务并独自开发和部署,保障系统的高可用性、高并发性和可扩展性,提高响应速度。经实践运行应用,基于微服务的系统具有良好的性能,取得较好的运行效果。所实现的系统一方面有助于提升中文作文阅卷的粒度和客观性,另一方面又能帮助学生找到写作上的不足,提升学生写作能力,提高语文教学的智能化水平。

融合无感行为数据的新学涯测评研究与实践

随着新高考改革选科选考方案的实施,中学生尤其是高中生要增强对个人兴趣、能力、学术潜力以及专业与职业方向的综合认识,学校也要加强对学生学涯测评的引导,提升测评精准性。传统模型测评的问卷模式反映了学生的部分特征,同时经典测评问卷模式受被测试者主观情绪影响和解读认识上的差异,可能伴随部分主观上的误差。对此,文章提出一种融合学生无感行为理念的测评方法,并基于文本分类技术及日志处理等手段,对学生无感行为进行分析并与传统经典测评相融合,解决了传统经典测评模型的主观性强、测评维度单一等问题。还基于微信公众号平台,内嵌开发了融合无感测评理念的在线测评系统,在北京市某中学上线并经过一年多的应用实践检验。结果表明,该方法有效地提高了学生的认知,并且在学生发展指导中心对学生个性化指导方面,起到了创新性的作用。

基于CNN与Transformer的医学图像分割

医学图像对疾病的诊断、治疗和评估均有所帮助,准确分割医学图像中的器官对于辅助医生的诊断具有重要的实际意义.由于医学图像中各器官部位与周围组织的图像对比度低,不同器官的边缘和形状也会存在很大差异,从而增加了分割的难度.针对这些问题,本文提出了一种基于卷积神经网络和Transformer的医学图像语义分割网络,有效提高了医学图像语义分割的精度.特征提取部分使用ResNet-50网络结构,在特征提取后使用Transformer模块来扩大感受野.在上采样过程中加入多个跳跃连接层,充分利用各阶段的特征提取信息,来恢复至与输入图像相近的分辨率.在胃肠道医学图像分割数据集上的实验结果证明本文的方法可以有效分割医学图像中的器官组织,提升分割准确率.

新高考志愿推荐算法研究

新高考政策的推行和逐步落实,使志愿填报由以往院校为主体且志愿可服从调剂、变为“专业+院校”组合更突出专业的模式。目前实行新高考的省份可填志愿数为80个、96个或112个,而且志愿间不再存在服从调剂选项。针对新高考志愿填报要求,以考生分数能否被院校专业录取作为评价标准,结合专业类型、选科要求、院校属性、学费等多维数据,使用长短时记忆网络算法,可以预测出该分数在当年录取位次,再根据一定报考规则形成志愿填报方案。使用考生报考当年前3年的专业录取位次和当年录取位次作为输入,得到当年考生被各专业的录取概率,并基于该录取概率为考生进行志愿推荐。在河北省2021年新高考中,使用该算法进行志愿填报实践,结果表明:基于长短时记忆网络的新高考预测算法,为新高考考生志愿填报提供了有效支持,既帮助其进行专业选择,又能很好地发挥其考分的价值,做到科学填报。该研究可以为新高考考生个性化填报提供有益帮助,帮助实行新高考省份的学校对学生进行科学填报指导。

基于BERT的金矿地质实体关系抽取模型研究

金矿实体关系的智能识别是提高金矿文献分析挖掘和知识提取的重要方法和途径。此次研究针对目前金矿实体关系抽取涉及到的核心问题,如金矿实体关系复杂、人工标注信息少等特点,提出了基于BERT(Bidirectional Encoder Representations from Transformer)的远程监督关系抽取模型。并通过金矿地质数据编码、金矿分类和金矿地质实体过滤等模块的优化改进,提高了金矿地质实体关系抽取的准确率。最后通过对金矿文献数据的实体关系抽取实验,验证了该方法的有效性。

面向中学走班制排课的优化遗传算法

针对新课改走班制教学多约束条件下新的排课问题,本文提出一种新的优化遗传算法策略,并构建出了一套已在某中学试运行的走班制排课系统,新系统集成了学生选课模块、学生成绩模块、学生评测模块.对比传统遗传算法,本文首次提出的冲突染色体优化策略,在遗传算法中新增冲突染色体算子,在实验中排课效率提升了19.2%.在自适应变异率优化条件下,再通过加入冲突染色体,利用其可以剪掉算法迭代过程中产生的无用解的特性,实现既保证了解的搜索空间又加速算法收敛的效果.在本文的研究和实验中,还就走班制教学下学生自主选科及分班模式对排课影响进行了验证,实验显示按照"选课组合"策略对学生进行分班,再与教师、教室、时间等教育资源组合排课时,效率得到更多的提升.

基于条件提示与序列标注的电子病历关系三元组识别

电子病历是诊疗过程中记录患者健康状况的档案,文本中分布着大量的医学实体,其中蕴含着丰富的医学信息.目前医学领域的关系抽取模型主要是通过关系分类的方法识别两个给定医学实体之间的语义关系.中文电子病历具有实体高密度分布的特点.针对这个问题,本文提出了一种基于条件提示与序列标注的关系三元组识别方法,将关系三元组识别任务转换为序列标注任务.关系三元组中的头实体和关系类型作为条件提示信息,通过序列标注方法识别电子病历文本中与条件提示信息有关联的尾实体.在中文电子病历数据集上的实验证明本文方法能有效识别中文电子病历中的关系三元组.

结合RoBERTa与多策略召回的医学术语标准化

针对传统的基于模板匹配、人工构建特征、语义匹配等解决术语标准化的方案,往往会存在术语映射准确率不高,难以对齐等问题.本文结合医疗领域的文本中术语口语化、表达多样化的特点,使用了多策略召回和蕴含语义评分排序模块来提升医学术语标准化效果.在多策略召回模块中使用了基于Jaccard相关系数、TF-IDF、历史召回方法进行召回,在蕴含语义评分模块使用了RoBERTa-wwm-ext作为判分语义模型.首次在医学专业人员标注的基于SNOMED CT标准的中文数据集上验证了可用性.实验证明,在医疗知识特征的处理中,本方法能够在医学术语标准化实际应用上达到不错的效果,具有很好的泛化性及实用价值.