亚洲欧美中文日韩在线v日本,亚洲精品永久在线观看,亚洲av日韩av永久无码色欲,亚洲成a人片777777,亚洲人成网站在线播放942

MBA導(dǎo)師 韓普 | 潛心醫(yī)療健康大數(shù)據(jù)分析（互聯(lián)網(wǎng)+大數(shù)據(jù)特色MBA項(xiàng)目的研究領(lǐng)域之一）

南京郵電大學(xué)MBA
2022-01-07 12:47 瀏覽量: 2422
?智能總結(jié)

隨著社會(huì)信息化的快速發(fā)展，人們對(duì)醫(yī)療健康信息的需求與日俱增。公開數(shù)據(jù)顯示，百度每天搜索量約60億次，其中25%與疾病健康有關(guān)?；ヂ?lián)網(wǎng)的蓬勃發(fā)展為公眾的健康需求提供了一個(gè)平臺(tái)，但同時(shí)互聯(lián)網(wǎng)信息爆炸使得必...

隨著社會(huì)信息化的快速發(fā)展，人們對(duì)醫(yī)療健康信息的需求與日俱增。公開數(shù)據(jù)顯示，百度每天搜索量約60億次，其中25%與疾病健康有關(guān)?；ヂ?lián)網(wǎng)的蓬勃發(fā)展為公眾的健康需求提供了一個(gè)平臺(tái)，但同時(shí)互聯(lián)網(wǎng)信息爆炸使得必須借助大數(shù)據(jù)分析和人工智能等技術(shù)進(jìn)行處理。與傳統(tǒng)數(shù)據(jù)不同的是，醫(yī)療健康數(shù)據(jù)的多源異構(gòu)性、復(fù)雜性和海量性以及臨床和用戶的信息需求給傳統(tǒng)的數(shù)據(jù)分析和處理帶來(lái)了巨大挑戰(zhàn)。隨著大數(shù)據(jù)和人工智能技術(shù)的迅速發(fā)展以及相關(guān)應(yīng)用的日趨成熟，醫(yī)療健康數(shù)據(jù)分析迫切需要新的突破。醫(yī)療實(shí)體識(shí)別是醫(yī)療領(lǐng)域信息處理的基礎(chǔ)，并且已經(jīng)成為醫(yī)療健康信息抽取和知識(shí)發(fā)現(xiàn)中重要的研究方向。在針對(duì)電子病歷的醫(yī)療實(shí)體識(shí)別研究中，提出了融入外部語(yǔ)義特征的中文電子病歷實(shí)體識(shí)別模型，該模型首先利用word2vec將大規(guī)模的未標(biāo)記文本生成具有語(yǔ)義特征的字符級(jí)向量，接著通過(guò)整合醫(yī)療語(yǔ)義資源以及實(shí)體邊界特征分析構(gòu)建了醫(yī)療實(shí)體及特征庫(kù)，將其與字符級(jí)向量相拼接以更好地挖掘序列信息，最后采用改進(jìn)的Voting算法將深度學(xué)習(xí)結(jié)果與CRF結(jié)果相整合以糾正標(biāo)簽偏置。針對(duì)醫(yī)學(xué)文獻(xiàn)術(shù)語(yǔ)存在專業(yè)性強(qiáng)、規(guī)模龐大、特征復(fù)雜和抽取難度大的問(wèn)題，提出了一種高效的中文醫(yī)學(xué)文獻(xiàn)實(shí)體識(shí)別模型MFA-BERT-BiLSTM-CRF，該模型在傳統(tǒng)模型的基礎(chǔ)上，利用BERT訓(xùn)練獲得含有豐富語(yǔ)義信息的特征向量，同時(shí)引入醫(yī)學(xué)領(lǐng)域知識(shí)特征和自注意力機(jī)制以挖掘更深層次的語(yǔ)義特征，進(jìn)一步提升了醫(yī)學(xué)實(shí)體識(shí)別效果。社會(huì)化媒體中大部分網(wǎng)民對(duì)醫(yī)療健康問(wèn)題表述不僅不夠規(guī)范，而且存在大量口語(yǔ)化表述。如何將用戶非標(biāo)準(zhǔn)化表述映射到標(biāo)準(zhǔn)的醫(yī)學(xué)術(shù)語(yǔ)，已經(jīng)成為醫(yī)療健康信息處理和知識(shí)挖掘的關(guān)鍵環(huán)節(jié)。在中文醫(yī)療實(shí)體歸一化研究方面，首先基于在線健康社區(qū)構(gòu)建中文疾病名稱歸一化數(shù)據(jù)集；接著采用LSTM、GRU和CNN模型進(jìn)行中英文對(duì)照實(shí)驗(yàn)，然后利用word2vec和Glove生成外部語(yǔ)義特征向量，并通過(guò)CNN模型進(jìn)行驗(yàn)證；最后在自注意力機(jī)制基礎(chǔ)上，提出多特征融合的中文疾病名稱歸一化模型MTCF-CNN，該模型可以更好地利用全局和局部語(yǔ)義特征。此外，還基于多任務(wù)學(xué)習(xí)和多態(tài)語(yǔ)義特征提出了中文疾病名稱歸一化模型MTAD-BERT-GCNN，該模型能夠更好地利用多任務(wù)學(xué)習(xí)捕獲多態(tài)語(yǔ)義信息，通過(guò)共享多任務(wù)間權(quán)重參數(shù)以深度挖掘文本語(yǔ)義信息從而達(dá)到最優(yōu)效果。

韓普老師也承擔(dān)了MBA碩士論文的指導(dǎo)工作。小編分享韓老師在醫(yī)療健康大數(shù)據(jù)領(lǐng)域的最新研究，感興趣的讀者可以閱讀。置頂留言是韓老師的電子郵箱地址。中文文章下載自中國(guó)知網(wǎng)，外文文章下載自對(duì)應(yīng)期刊網(wǎng)站，在此一并表示感謝。“考慮隱私保護(hù)的醫(yī)療數(shù)據(jù)共享意愿研究——基于演化博弈的視角”發(fā)表在《現(xiàn)代情報(bào)》（01）

“基于多特征融合的中文疾病名稱歸一化研究”發(fā)表在《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》（05）

“隱私保護(hù)視角下醫(yī)療數(shù)據(jù)共享意愿研究——基于三方演化博弈分析”發(fā)表在《現(xiàn)代情報(bào)》（03）

“基于特征融合和多通道的突發(fā)公共衛(wèi)生事件微博情感分析”發(fā)表在《數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)》（11）

“基于多任務(wù)學(xué)習(xí)和多態(tài)語(yǔ)義特征的中文疾病名稱歸一化研究”發(fā)表在《情報(bào)學(xué)報(bào)》（11）

“Chinese Q&ACommunity Medical Entity Recognition with Character-Level Features andSelf-Attention Mechanism” 發(fā)表在“INTELLIGENT AUTOMATION AND SOFTCOMPUTING”（01）

編輯：凌墨

(本文轉(zhuǎn)載自 ，如有侵權(quán)請(qǐng)電話聯(lián)系13810995524)

* 文章為作者獨(dú)立觀點(diǎn)，不代表MBAChina立場(chǎng)。采編部郵箱：news@mbachina.com，歡迎交流與合作。

贊
收藏
訂閱

備考交流

  • 2024考研英語(yǔ)二備考群: 678595048
  • 2024管理類聯(lián)考復(fù)試調(diào)劑②群： 814776983
  • 2024海外碩士交流群： 895560072
  • 2024年MBA/MEM/MPAcc聯(lián)考備考群： 769561411
  • 免聯(lián)考調(diào)劑咨詢①群： 796631901
  • 2024考研政治沖刺群： 863373153
  • 海外碩士咨詢③群: 850595383
  • 免聯(lián)考碩士入學(xué)咨詢?nèi)海? 711046255
  • 2024考研復(fù)試調(diào)劑交流群： 902176003
免費(fèi)領(lǐng)取價(jià)值5000元MBA備考學(xué)習(xí)包（含近8年真題） 購(gòu)買管理類聯(lián)考MBA/MPAcc/MEM/MPA大綱配套新教材

掃碼關(guān)注我們

  • 獲取報(bào)考資訊
  • 了解院?；顒?dòng)
  • 學(xué)習(xí)備考干貨
  • 研究上岸攻略

最新動(dòng)態(tài)

    活動(dòng)日歷

    2022年度
    • 01月
    • 02月
    • 03月
    • 04月
    • 05月
    • 06月
    • 07月
    • 08月
    • 09月
    • 10月
    • 11月
    • 12月