文献知识网络的节点度变化对领域热点的预测性

随着文献的不断富集,研究内容的相关性会形成一个关联知识网络,而网络的拓扑结构对网络的演化发展存在影响,因此,探索从知识网络的特征变化对领域热点的预测性具有重要意义。本文探讨文献知识网络节点度变化对近期热点的预测性,测试结果显示度增长率大的节点形成新关联的准确率显著大于一般节点,即度增长率大的节点在短期内能衍生出较多的新研究内容,表明节点度变化对领域热点具有一定预测性。     

文献知识网络的节点度变化对领域热点的影响

随着文献的不断富集,研究内容的相关性会形成一个关联知识网络,而网络的拓扑结构对网络的演化发展存在影响,因此,探索从知识网络的特征变化对领域热点的预测性具有重要意义。探讨文献知识网络节点度变化对近期热点的预测性,测试结果显示,度增长率大的节点形成新关联的准确率显著大于一般节点,即度增长率大的节点在短期内能衍生出较多的新研究内容,表明节点度变化对领域热点具有一定预测性。     

利用SemRep语义网及MeSH语义网表达单篇论文知识

目的：以SemRep语义网及MeSH语义网的形式表达单篇论文的研究内容。方法：选取IF值≥3的10种医学期刊的20篇科学论文作为研究对象,利用自然语言处理工具SemRep及可视化分析工具Gephi构建SemRep语义网及MeSH语义网,并利用SPSS 23.0软件对数据进行统计分析。结果：MeSH语义网在表达单篇论文内容的全面性、准确性及易用性方面评分均值均高于SemRep语义网,且两种网络在准确性方面的评分差异具有统计学意义（P<0.05）。结论：相较于SemRep语义网,MeSH语义网更可作为一种表达单篇论文知识的方法,所提供的语义信息具备一定的文献挖掘潜力,能够为诸如文本挖掘、知识发现等研究提供新的方法和思路。     

中医药文献语义标注系统研究与开发

目的研究和开发支持中医和现代生物医学本体和术语集的语义标注系统。方法以MedPortal本体库和中医临床术语集等为术语资源库,设计语义标注系统工作流程和功能框架,并开发Web应用系统。结果构建了一个基于Web的中医药文献语义标注系统,支持语料库管理与维护、术语词典管理、语义标注和语义检索等功能,既可以为基于机器学习的信息抽取算法研究提供训练集,又能实现语义层面的多来源数据集成与知识融合。结论该中医药文献语义标注系统设计方案已经过实际项目验证,可为其他同类系统研发提供参考。     

关于摘要，参考文献的规范问题

论文摘要是以提供论文内容梗概为目的的，不介绍文章的写作背景及所研究问题的必要性，也不加评论和补充解释，简明、准确地记述文献核心内容的短文。它具有独立性和自明性，即不阅读全文，就能获得必要的信息，因此，要求内容必须完整、具体、使人一目了然。摘要应着重反映新内容和作者强调的观点，不必列出本学科已成为常识的内容，不得简单重复文章篇中已经表述过的信息，     

关于中文摘要

选用报道性摘要（即包括目的、方法、结果和结论4个部分）。摘要是以提供文献内容梗概为目的,不加评论和补充解释,简明、确切地论述文献重要内容的短文。摘要应具有独立性和自明性,并拥有与文献同等量的主要信息,即不阅读全文,就能获得必要的信息。     

基于复杂关联网络的生物医学研究结构的挖掘

基于免费开放的PubMed文献数据集,利用文献的知识发现,通过挖掘文献中隐含的关联,构建了生物医学实体关联演化网络。它能帮助科研人员形成新的科学假设,分析关联网络的拓扑特征,从系统层面上研究科学文献富集的知识结构、相关性与发展规律,为文献的知识发现引入新的视角与方法,提高知识发现的效率。     

关于中文摘要

选用报道性摘要（即包括目的、方法、结果和结论4个部分）。摘要是以提供文献内容梗概为目的，不加评论和补充解释，简明、确切地论述文献重要内容的短文。摘要应具有独立性和自明性，并拥有与文献同等量的主要信息，即不阅读全文，就能获得必要的信息。     

关于中文摘要

选用报道性摘要（即包括目的、方法、结果和结论4个部分）。摘要是以提供文献内容梗概为目的，不加评论和补充解释，简明、确切地论述文献重要内容的短文。摘要应具有独立性和自明性，并拥有与文献同等量的主要信息，即不阅读全文，就能获得必要的信息。     

关于中文摘要

选用报道性摘要（即包括目的、方法、结果和结论4个部分）。摘要是以提供文献内容梗概为目的，不加评论和补充解释，简明、确切地论述文献重要内容的短文。摘要应具有独立性和自明性，并拥有与文献同等量的主要信息，即不阅读全文，就能获得必要的信息。     

中医药优势病种文献数据结构解析与网络模型构建思路

目的：提出中医药优势病种文献数据语义网络模型构建的思路,以实现中医药优势病种文献数据集成共享,进一步揭示中医药优势病种信息内涵。方法：顶层本体的设计基于中医临床术语系统及中医药学语言系统,抽取中医药概念及关系,利用获取的中医药优势病种文献全信息数据,确定其核心概念和非核心概念。基于基础数据抽取规范,利用顶层本体与基础数据结合的方法构建语义网络模型。结果：通过分析中医药优势病种文献数据特点,成功构建了体现中医药优势病种特色的语义网络模型。结论：构建规范的中医药优势病种文献语义网络模型有利于中医药优势病种信息的集成与应用,可以为中医药数据的统一规范提供指导。     

基于SPO语义网络的核心主题识别与演化趋势分析方法

目的：应用自然语言处理技术和深层语义信息进行核心主题识别及演化趋势分析，帮助科研人员了解领域研究现状、跟踪领域研究热点、把握领域发展规律，进而推动学科领域的发展。方法：提出基于SPO语义网络的核心主题识别及演化趋势分析方法，首先抽取科技论文数据中的SPO结构，然后分阶段构建SPO语义网络，最后利用节点度和边权重等社会网络分析指标对领域核心主题及其演化趋势进行研究和探索。结果：选择基因编辑领域进行实证分析，识别出该领域的7个核心研究主题，并探究各主题内容及受关注程度的发展变化情况。结论：基于SPO语义网络的核心主题识别及演化趋势分析方法具有可行性和可靠性，可以为学科领域科研活动的展开提供重要决策支持。     

大数据背景下电子病历信息模型语义构建分析

电子病历信息模型语义构建经历了从核心数据集方法、模块化方法到两层建模方法的发展过程,它们通常不是独立使用的,现阶段研究的许多模型标准往往是几种方法结合使用。一般来说,在顶层设计时,首先建立电子病历信息模型的框架结构（即参考模型）、必备元素（即核心数据集）和模型构建的实施规范,然后在框架结构标准下建立各医学概念、医学专业以及各科室专用的信息原型。     

基于语义表达的中医药优势病种网络模型的构建

目的：建立基于中医药优势病种文献的语义网络模型。方法：顶层参考中医药学语言系统并结合专家咨询设定模型中的语义类型和语义关系，底层基于获取的中医药优势病种文献全信息结构解析进行语义类型和语义关系补充。结果：构建了基于语义表达的中医药优势病种网络模型。结论：基于语义表达的中医药优势病种网络模型可以支持中医药优势病种文献数据库的构建和中医药优势病种文献的语义检索与利用。     

利用MeSH组配规则自动抽取表达特定语义关系句子的探索

目的：利用MeSH组配规则自动抽取文摘中表达特定语义关系的句子,为制定自然语言处理关系抽取模板以及句子水平的信息检索提供依据。方法：根据主题词组配规则,使用python语言从文摘数据中匹配出含有特定MeSH主题词概念的候选关系句,从中抽取出以描述概念间关系的短语或句子。邀请专家对100条候选关系句进行概念间语义关系人工标注,将得到的语义关系三元组作为评价金标准,与自动抽取出的概念间关系进行对比分析。将自动抽取的结果加以整理形成特定概念之间的语义关系表达。结果：对大量的自然文本句进行句法分析,批量识别出2个特定概念间语义关系抽取方法的准确率为87%,召回率为62%,F1=71.8%。结论：利用MeSH组配规则抽取表达特定语义关系句子的方法具有较高的准确率与召回率,对生物医学文本理解及医学知识发现等具有借鉴意义。     

心力衰竭知识图谱的构建

目的：利用现有资源构建专病知识图谱,为临床决策提供知识与技术支持。方法：以心力衰竭为例,首先明确疾病、检查、手术、药物、科室、症状、解剖学7类顶层语义概念以及2类属性和14类语义关系,其次复用现有词表、本体按照语义概念类型分别进行层级关系构建和同义术语归并,最后利用知识库资源进行语义关系抽取和同义术语归并。结果：形成包含524个概念、4 360对语义关系的心力衰竭知识图谱。结论：利用现有词表、本体和知识库资源采用知识融合的方法可以实现专病知识图谱的构建。     

Enhancing Text Categorization with Semantic-enriched Representation and Training Data Augmentation

ObjectiveAcquiring and representing biomedical knowledge is an increasingly important component of contemporary bioinformatics. A critical step of the process is to identify and retrieve relevant documents among the vast volume of modern biomedical literature efficiently. In the real world, many information retrieval tasks are difficult because of high data dimensionality and the lack of annotated examples to train a retrieval algorithm. Under such a scenario, the performance of information retrieval algorithms is often unsatisfactory, therefore improvements are needed.DesignWe studied two approaches that enhance the text categorization performance on sparse and high data dimensionality: (1) semantic-preserving dimension reduction by representing text with semantic-enriched features; and (2) augmenting training data with semi-supervised learning. A probabilistic topic model was applied to extract major semantic topics from a corpus of text of interest. The representation of documents was projected from the high-dimensional vocabulary space onto a semantic topic space with reduced dimensionality. A semi-supervised learning algorithm based on graph theory was applied to identify potential positive training cases, which were further used to augment training data. The effects of data transformation and augmentation on text categorization by support vector machine (SVM) were evaluated.Results and ConclusionSemantic-enriched data transformation and the pseudo-positive-cases augmented training data enhance the efficiency and performance of text categorization by SVM.     

基于中医药领域本体的信息检索模型研究

针对传统基于关键词匹配的中医药信息检索存在查全率和查准率低下的缺陷,将本体与潜在语义索引相结合,提出一种基于中医药领域本体的语义信息检索模型.该模型基于本体概念扩展树构建相应的查询扩展方法和语义向量空间模型,将用户查询和文档集映射到同一潜在语义空间,通过计算查询向量与文档之间的相似度返回检索结果.着重阐述了该模型的体系结构、实现过程和关键技术,并对其实用性进行论证.     

BP神经网络修剪算法筛选白血病预后危险因素

目的 通过单层BP网络的修剪算法，进行白血病预后危险因素筛选，并讨论修剪算法在医学统计中的应用及其与逐步logistic回归的联系。方法 对上海市1985—1995年间部分初发白血病病人的6个月预后及可能的影响因素进行分析，分别用修剪算法和逐步logistic回归拟合不同的模型，利用ROC曲线下面积比较各个模型的判别和预测效果。结果 利用修剪算法，可得到与逐步logistic回归相同的BP模型结构；应用不同的修剪参数得到含不同连接的BP网络模型，最终稳定于含10个连接的模型。所有修剪的BP网络对测试集的判别效果均好于逐步logistic回归。结论 修剪算法可以进行变量筛选，并可应用于弱影响因素的探索。修剪的单层BP网络的权重系数与逐步logistic回归的回归系数相同，具有流行病学含义。