数字化图书档案海量数据快速提取仿真研究

对数字化图书档案海量数据进行快速提取能够提高图书档案数据的利用效率。针对当前数字化图书档案海量数据提取方法存在的提取速度慢,且数据提取质量较差的问题,提出一种基于BP神经网络的数字化图书档案海量数据快速提取方法,利用范围型海量数据属性的值域特征,将数字化图书档案数据的分布样本划分为多个子区间,实现数据分类,并通过构建神经元模型,根据隐含层和输出层的数据输出,确定输出的误差项,调整BP神经网络各层权重,构建基于BP神经网络的数字化图书档案海量数据快速提取模型,实现数字化图书档案海量数据快速提取。实验结果表明,所提方法对数字化图书档案海量数据提取的速度较快,且提取的效率较高,用户对提取结果的满意度较高。

“互联网+”时代背景下的中医现代传承模式

"读经典做临床"是传统的中医人才培养模式,在这种培养模式下,中医成才的平均时间为17余年,难以满足当前社会对中医人才的需求。因此,笔者提出在互联网、大数据背景下的中医药现代传承模式,将传统模式下一人完成的诊疗知识积累变为多人协同完成中医诊疗知识的积累,实现从"读经典"到中医经典知识管理、从"做临床"到中医医案知识管理的转变,从而大大提升中医人才传承培养效率。在此基础上,提出了"互联网+"时代背景下的中医现代传承平台功能的设想。