关键词： 病例   中心   递进式学习   主动见习   教学   新思路  

摘要： 目的主动见习融通教学是让学生在临床中发现问题,然后利用前期的理论知识自己主动学习,查阅资料,掌握临床疾病的相关理论知识,解决问题。神经病学内容繁多、枯燥、深邃且抽象,对学生的动手能力和分析问题的能力要求很高,神经病学的临床见习是主动见习的重点也是难点。为了提高"主动见习"的在神经病学见习的教学效果。方法选取2018年5—8月在中南大学湘雅三医院神经内科见习的湘雅医学院2013级八年制30名学生,采用李克特5点量表(Likert scale)设计评价问卷,由30名八年制学生对应用主动见习教学进行效果评价。结果学生对新教学方法效果大部分选择非常同意以及同意。结论主动见习教学能够有效利用并提高了学生的自主学习能力、实践操作能力、医患沟通能力、临床思维能力、自主学习能力。

关键词： 二程语录   二程   程颐   程颢   BERT   机器学习   文本分类  

摘要： 以数字人文的新视角审视二程语录归属这一传统问题,运用机器学习的方法,将二程语录归属判断的问题转化为有监督的文本分类问题,构造BERT预训练语言模型加sigmoid激活函数的深度学习模型.以二程材料当中已知归属的文字作为模型的训练语料,对不明归属的二程语录之归属进行预测,准确率最高可达88%,证明了深度学习在小规模古汉语文本研究上的潜力.实验利用该训练后的模型,尝试对二程语录中不明归属的语录进行判断,发表了部分判断结果:《程氏遗书》中有30%、《程氏外书》中有20%是程颢语录,尤其值得关注的是对一些长久以来归属不明的著作文字比如《粹言》《经说》的作者进行了初步判断.

关键词： 管道堵塞   数据不均衡   主动学习   分类熵   余弦相似度   极限随机树  

摘要： 针对城市排水管道堵塞检测识别过程中有标签的样本数量较少,人工标注管道数据样本成本高昂,以及管道堵塞数据集中存在明显的类别不均衡问题,提出基于主动学习的方法以解决上述问题。同时,将极限随机树作为基分类器,对未标注样本集进行分类识别;样本查询策略选择将分类熵和余弦相似度相结合的样本采样策略。该方法使得模型在主动学习的过程中能够提高对少数类样本的关注度。试验结果在两个不同不均衡程度的数据集上进行验证,结果表明:笔者提出的主动学习模型在两个试验数据集上对少数类的分类识别效果都取得了较高的F1度量值,模型的分类稳定性并没有受到数据不均衡程度变化的干扰。

关键词： 文档对象模型   长短期记忆网络   预训练   深度学习   正文提取  

摘要： 针对复杂网页上主题信息被过多地与主题无关的广告、导航、版权等噪声信息隐藏的问题,提出一种基于长短期记忆的深度学习正文提取方法(LTE)。首先,设计一种根据超文本标记语言(HTML)中标签信息的数据划分策略:通过遍历HTML代码的文档对象模型(DOM)树来根据DOM树结构划分每一个具有文本信息的文本块;然后,通过预训练模型对每一个内容块的从属关系进行表征;最后,这些标签会被输入到用这种格式的数据预先训练好的长短期记忆(LSTM)网络模型进行主要内容正文判别。实验结果证明,模型能够有效拟合已标记的数据集,在训练集中的F1分数能稳定在0.96以上;对于不存在于训练集中的网页格式,对其正文的预测准确度也比两个传统正文抽取工具Readability和Newspaper3k的分别高47.54、19.02个百分点。由实验结果可知,LTE能够有效提取出网页中的正文内容。

关键词： 数据分析   机器学习   支持向量机   中文语料   特征提取   文本分类  

摘要： 为提高游客在互联网旅游服务平台上评论数据分析的准确度,提出一种基于机器学习分类方法的数据智能分析技术。利用成熟的自动抓取等软件技术,从某旅游网络平台上抓取了游客的初始评论数据,同时设置了相应的训练集与测试集,完成了评论数据的文本清理、词性标注与人工分类等预处理操作。在此基础上,通过引入支持向量机等机器学习的分类方法,实现待处理评论数据的智能分类与分析,从而进一步改进游客情感数据挖掘的准确度,优化旅游目的地的顾客体验。数据测试仿真结果表明,与语义分析方法相比,基于机器学习方法的智能分析技术具有更高的数据分析准确度。

关键词： 意义学习理论   思政课   师资队伍建设  

摘要： 分析罗杰斯意义学习理论中的“非指导性学习”“整体性参与”等观点的积极意义和不足,对新时代师生关系新发展、情感与知识双轮驱动的教学形式、学生主体觉醒的引导等方面进行思考和反思,以期对高校思政课师资队伍的建设提供有意义的启示。

关键词： 空间认知   形状编码   深度学习   自编码器   sequence-to-sequence模型  

摘要： 形状是地理空间要素的重要特征,是人们建立空间概念、形成空间认知的重要依据。本文利用深度学习的特征挖掘能力引入自编码学习方法,对二维地图空间中形状边界上多组邻域尺寸下的多个特征进行集成和整合,为空间形状认知的机理和形式化提供支撑。本文以建筑物数据为例,将建筑物形状边界转换为序列数据,并提取其描述特征;随后结合sequence-to-sequence自编码学习模型,对无标签的建筑面要素数据进行学习训练,形成形状认知编码。试验表明,本文方法能够产生符合形状认知、具有相似度计算意义的形状编码,具备对不同建筑物形状的区分能力;同时,在形状检索和匹配等应用场景中,该形状编码能有效地表示建筑物的全局和局部特征,与视觉认知结果一致。

关键词： 新时代中国特色社会主义   社会主义发展史   改革开放史   中国史   党的十八大以来   新征程   习近平总书记   现代化  

摘要： 党的十八大以来,习近平总书记就学习党史、新中国史、改革开放史、社会主义发展史作出一系列重要论述,为我们学好“四史”、做好“四史”研究提供了理论依据,从“四史”中汲取智慧和力量,对更加充满信心地开启全面建设社会主义现代化国家新征程、把新时代中国特色社会主义推向前进,具有十分重要的意义。

关键词： 社会主义发展史   《求是》杂志   改革开放史   中国史   党的十八大以来   意义与实践   历史学  

摘要： “四史”作为对党史、新中国史、改革开放史、社会主义发展史的统称,是自党的十八大以来,党中央在开展、推广、深化历史教育的实践过程中形成的历史学概念。2021年第11期《求是》杂志发表了习近平总书记的《学好“四史”,永葆初心、永担使命》一文。该文是习近平总书记从2016年12月至2021年3月期间关于学好“四史”重要论述的节录。

关键词： 集成学习   多样性   特征选择   信息熵   高维数据  

摘要： 从集成学习的预测误差分析和偏差-方差分解可以发现使用有限的、具有正确率和差异性的基学习器进行集成学习,具有更好的泛化精度。利用信息熵构建了两阶段的特征选择集成学习方法,第一阶段先按照相对分类信息熵构建精度高于0.5的基特征集B;第二阶段先在B的基础上按互信息熵标准评判独立性,运用贪心算法构建独立的特征子集,再运用Jaccard系数评价特征子集间多样性,选取多样性的独立特征子集并构建基学习器。通过数据实验分析发现,该优化方法的执行效率和测试精度优于普通Bagging方法,在多分类的高维数据集上优化效果更好,但不适用于二分类问题。