关键词： 机器学习   毒理学大数据   毒性预测   毒理学数据库  

摘要： 随着高通量技术的发展和海量毒理学数据的涌现,毒理学研究步入大数据时代。如何高效整合现有的毒理学数据、阐明化学物质毒作用规律并利用规律提示新信息,实现新化学物质毒性高效预测,是毒理学研究的前沿问题之一。鉴于传统化学物质毒性测试方法高成本、低通量且难以揭示机制信息,迫切需求高通量预测模型。机器学习方法已应用于毒性测试,如监督学习模型、无监督学习模型、深度学习模型、强化学习模型和迁移学习模型,其常用的化学物质特征数据主要包括化学物质结构数据、文本数据、毒理基因组数据和图像数据。将机器学习应用于毒性测试的研究潜力巨大,且取得一定进展,但目前研究主要集中于数据处理和模型开发,尚未形成应用度广、共识性强的方法。此外,机器学习模型的预测精度不仅取决于算法,亦受到数据质量的影响,算法与数据质量的相互促进发展亦是一大挑战。总之,毒理学领域的数据处理和模型构建需要跨学科的合作和技术创新,随毒理学数据库的日趋完善,各种模型算法的不断优化,基于机器学习模型开展新化学物质毒性预测将日益高效、准确,对保障人类健康和环境安全起到重要作用。

关键词： 公共管理研究   研究方法   机器学习   公共价值  

摘要： 社会数字化的发展使得机器学习方法愈加受社会科学研究重视。尽管机器学习方法对公共管理研究存在巨大价值,但该方法在现有公共管理文献中的运用仍相对有限。本文首先简要介绍了机器学习方法的基本原理和操作方法,然后整理分析了近年来国内外公共管理顶尖期刊上所发表文献中机器学习方法的具体应用,最后对该方法所面临的挑战和质疑进行了归纳和部分回应。本文认为,机器学习在公共管理研究中既可以作为一种数据收集与整理的研究方法,又可以作为一种数据分析的研究方法:首先,机器学习方法可以降低数据的收集成本,将非数值型数据转换为数值型数据,也可以用于非数值型数据的聚类;其次,在相关性分析的公共管理研究中,机器学习可以缓解“维数灾难”,即变量数过多导致的多重共线性以及过拟合问题,从而分析变量之间的非线性驱动作用;在因果推断类型的公共管理研究中,该方法主要用来分析异质性因果,但也可以结合其他因果推断方法从而估计平均处理效应,解决工具变量法、倾向得分匹配法、断点回归法、双重差分法和合成控制法在公共管理研究应用中所遇到的实践难题。然而,机器学习方法在实用易用性、结果解释性、研究可复现性等方面同样遭受质疑,“决策不透明”的铁笼有时也会诱发违背公共精神的风险。尽管如此,考虑到该方法潜在的巨大贡献,本文预计在公共管理研究中结合机器学习方法将成为一种新的研究趋势。

关键词： 在线评论   公共图书馆   方面级情感分析   联合学习方法   BERT-CasRel模型  

摘要： 【目的/意义】针对图书馆在线评论缺乏细粒度挖掘的不足,引入实体关系联合学习方法,细粒度挖掘公共图书馆用户关注主题与情感倾向,以提高服务质量和用户满意度。【方法/过程】采用BERT-CasRel模型训练公共图书馆用户细粒度关注主题与情感倾向识别模型,并利用我国省级以上公共图书馆近三年的在线评论数据进行应用研究,深入分析用户的关注点与情感反馈。【结果/结论】BERT-CasRel模型能够细粒度挖掘在线评论中的用户关注主题与情感倾向。识别出用户关注的七个核心主题,并对这些主题进行了满意度分析。研究发现,用户对环境与氛围的满意度最高,而对设备、设施和服务的满意度较低。【创新/局限】引入BERT-CasRel模型进行细粒度情感分析,提出基于细粒度挖掘的公共图书馆用户满意度提升策略。

关键词： 初中学校   书写规范   写作要求   生活与学习   印象深刻   多彩   条理清晰  

摘要： 写作要求多彩、安全、有意义的学校生活,每一幕都记录着我们成长的足迹,见证了我们极其难忘的青春岁月。请你回忆并讲述在初中学校生活中印象深刻、难以忘怀的事件或人物,分享这些事件或人物带给你的感受、影响等。要求:(1)100词左右;(2)条理清晰,语句通顺,意义连贯,书写规范。

关键词： 翻转课堂   本科学生   学习体验   质性研究  

摘要： 目的了解本科学生对翻转课堂教学模式的学习体验,探讨该教学模式对本科护理专业教育的意义和改进之处。方法采用现象学方法,于2023年12月1日—2024年1月18日对14名护理本科学生进行半结构式访谈,通过Nvivo11软件,依据Colaizzi七步资料分析法对收集到的资料进行整理和分析,提炼出主题。结果将本科学生对翻转课堂教学模式的学习体验提炼出3个主题10个亚主题,包括正向学习意义感体验(系统性培养能力、学习时间地点灵活、提升学习成效)、负向学习意义感体验(线上教学资料问题、课外学习压力大、对学生的挑战大、课堂教学问题)和翻转课堂教学模式亟待完善之处(线上教学视频制作的要求、线下课堂形式需求的多样性、翻转课堂教学模式的适用性)。结论基于正向学习意义感体验,翻转课堂教学模式能够提升学生的学习成效,培养学生的自主学习能力和综合能力,有助于锻炼其综合学习能力;负向学习意义感认知将推动教师进一步优化教学资源、合理安排翻转课堂及维持学生学习积极性。

关键词： 碳达峰   预测   机器学习   影响因素  

摘要： 本文运用STIRPAT扩展形式,通过GRU模型预测4个非控制性变量,并结合“十四五”规划中3个控制性变量,构建包含7个变量的GRU模型,对国家中心城市碳排放进行预测,并分析其影响因素。为了预测结果的稳健性,本文采用Informer模型进行检验。研究表明:(1)使用GRU模型预测非控制性变量,国家各个中心城市的总人口、进出口总额、研发支出及能源消费总体均呈上升态势。(2)GRU预测结果和Informer校验结果均表明,北京市、上海市为碳达峰先锋城市,将于2025年前达峰;重庆市为碳达峰平稳城市,将于2030年前达峰;天津市和广州市为碳达峰迟缓城市,但总体碳排放量可控。国家中心城市的碳排放强度均呈下降趋势,差距在逐渐缩小。(3)GRU模型的影响因素分析显示,总人口、能源消费量会对碳排放产生正向效应,而森林覆盖率、研发支出及能源结构会对碳排放量产生抑制作用。

关键词： 人工智能   机器学习   证治规律   研究进展   述评  

摘要： 机器学习作为人工智能的核心分支之一,是中医智能化研究及数据挖掘的代表性技术手段。目前,机器学习在中医证候相关研究、组方配伍规律研究、预后模型构建研究及中医思维认知模型等中医证治规律研究领域逐步得到推广应用,并体现出了独特的优势,有效推动了传统中医向精准化、标准化和客观化的方向发展,但尚存在一些问题和局限性亟待解决。通过系统回顾近年来机器学习方法在中医证治规律领域的研究,并进行归纳总结、分析不足和提出今后应当努力的方向,以期进一步推动人工智能与传统中医药的交叉融通,促进中医药事业的高质量发展。

关键词： 零样本学习   视觉-语言预训练模型   零样本迁移   多模态   计算机视觉  

摘要： 近年来随着人工智能(AI)技术在计算机视觉与自然语言处理等单模态领域表现出愈发优异的性能,多模态学习的重要性和必要性逐渐展现出来,其中基于视觉-语言预训练模型的零样本迁移(ZST)方法得到了国内外研究者的广泛关注。得益于预训练模型强大的泛化性能,使用视觉-语言预训练模型不仅能提高零样本识别任务的准确率,而且能够解决部分传统方法无法解决的零样本下游任务问题。对基于视觉-语言预训练模型的ZST方法进行概述,首先介绍了零样本学习(FSL)的传统方法,并对其主要形式加以总结;然后阐述了基于视觉-语言预训练模型的ZST和FSL的区别及其可以解决的新任务;其次介绍了基于视觉-语言预训练模型的ZST方法在样本识别、目标检测、语义分割、跨模态生成等下游任务中的应用情况;最后对现有的基于视觉-语言预训练模型的ZST方法存在的问题进行分析并对未来的研究方向进行展望。

关键词： 图对比学习   互信息   图神经网络   无监督学习   对比学习   表示学习   节点分类   深度学习  

摘要： 最近,图对比学习成为一种成功的无监督图表示学习方法,大多数方法都基于最大化互信息原则,通过数据增强来得到两个视图,并最大化两个视图的互信息。然而,两个视图的互信息可能包含不利于下游任务的信息。为了克服这些缺陷,提出基于三元互信息的图对比学习框架。该框架首先对输入图进行随机数据增强来生成两个视图,使用权重共享的编码器获得两个节点表示矩阵,随后使用共享权重解码器解码两个视图的节点表示。通过对比损失函数分别计算视图之间和视图与原图之间的损失,以最大化视图之间和视图与原图之间的互信息。实验结果表明,该方法在节点分类准确性方面的表现优于基线方法,甚至超过部分监督学习方法,验证了框架的有效性。

关键词： 异化劳动   工匠精神   马克思主义劳动观  

摘要： 青年马克思在《1844年经济学哲学手稿》(以下简称《手稿》)中集中探讨了异化劳动的四种表现形式,揭露了资本主义生产关系下的社会问题。新时代工匠精神以其“执着专注、精益求精、一丝不苟、追求卓越”的深刻内涵展现出非功利性、自由自觉性、创造性的特点,它通过克服劳动者与劳动产品的异化、劳动者与劳动过程的异化、劳动者与其类本质的异化、人与人关系的异化四个方面,实现了对异化劳动的扬弃。面对崭新的时代征程,工匠精神的培育要坚持在中国共产党的领导下,在马克思主义劳动价值观的树立中进行,这对实现广大劳动者自由而全面的发展有不可磨灭的意义。