全文获取类型
收费全文 | 70篇 |
免费 | 22篇 |
国内免费 | 3篇 |
专业分类
基础医学 | 3篇 |
临床医学 | 3篇 |
内科学 | 1篇 |
神经病学 | 1篇 |
特种医学 | 5篇 |
外科学 | 1篇 |
综合类 | 52篇 |
预防医学 | 14篇 |
眼科学 | 1篇 |
药学 | 7篇 |
中国医学 | 6篇 |
肿瘤学 | 1篇 |
出版年
2024年 | 8篇 |
2023年 | 17篇 |
2022年 | 8篇 |
2021年 | 14篇 |
2020年 | 6篇 |
2019年 | 6篇 |
2018年 | 6篇 |
2017年 | 4篇 |
2016年 | 4篇 |
2015年 | 2篇 |
2014年 | 3篇 |
2013年 | 2篇 |
2012年 | 2篇 |
2011年 | 4篇 |
2010年 | 2篇 |
2009年 | 2篇 |
2008年 | 2篇 |
2006年 | 1篇 |
2005年 | 1篇 |
2002年 | 1篇 |
排序方式: 共有95条查询结果,搜索用时 15 毫秒
31.
32.
目的:利用命名实体识别(Named Entity Recognition)技术识别文本中出现的中药名词和方剂名词,并比较两种命名实体识别方法在识别中药名词和方剂名词时的表现。方法:方法一为利用现有的分词工具(如“结巴”中文分词工具等)对文本进行分词,之后使用分词后的结果进行中药名词和方剂名词的匹配。方法二为搭建并训练用于中药名词和方剂名词识别的双向长短期记忆(Bidirectional LongShort Term Memory,BLSTM)神经网络模型。首先,采用两种可行的方法实现命名实体识别。其次,比较这两种方法的表现。结果:现有分词工具对中药名词和方剂名词的分词不准确,因此,会导致接下来的匹配阶段出现错误。而通过BLSTM神经网络模型进行命名实体识别,不但可以避免分词错误,而且在实验中表现出较强的歧义处理能力。结论:在应用命名实体识别技术于识别中药名词和方剂名词时,相比使用分词工具先分词后识别,通过训练神经网络模型对中药名词和方剂名词直接识别的方法更合适。 相似文献
33.
针对医学数据专业性强、结构复杂等特点,解析了构建医学知识图谱的关键技术,介绍了利用机器学习和深度学习的方法识别医学命名实体、实体链接和抽取语义关系,以及医学知识图谱在医院智能导诊、疾病筛查和预测、辅助临床诊断、医疗保险风险预测和医学知识科普方面的应用。结合当前我国医学知识图谱构建在数据和技术层面临的问题和挑战,提出了相应的对策和建议。 相似文献
34.
国外自然语言处理研究主题可视化分析 总被引:1,自引:1,他引:0
目的: 通过可视化分析的方法,对我国学者发表的自然语言处理的相关文献进行分析与归纳,以了解我国自然语言处理研究的现状。方法:主要检索中国生物医学文献数据库、中国知网和万方数据库,并采用书目共现分析系统(BICOMS-2)分析软件对主要信息进行提取和整理,生成共现矩阵;利用NetDraw 软件绘制网络关系图和采用gCLUTO软件进行聚类分析。结果:研究共纳入文献206篇,但自2010年发表19篇关于自然语言处理的文章开始,此后逐年整体上都呈递减趋势,其中25个省份的作者参与了相关研究的发表,但地区之间存在不均衡性,且省份和单位之间缺乏合作;作者合作团体虽较多,但是缺乏多中心、多层次的团体合作。我国自然语言处理的基础研究方向较多,最近几年主要集中在神经网络、社会网络、XML纵览、倾向性分析、深度学习、MapReduce等热点方向上。结论:我国自然语言处理研究的数量近几年呈递减的趋势,且作者、单位和省份之间的合作情况也有待进一步加强,尤其是应促进多中心、多层次的团体合作,研究主题也有待进一步拓展。 相似文献
35.
36.
37.
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。 相似文献
38.
本研究从技术落地应用的角度出发,描述和评论目前中医诊断领域常用的AI技术的应用历史、现状及与中医诊断需求之间切合程度等问题,包括专家系统用于智能辨证、图像诊断和望诊、自然语言处理和问诊、传感器和智能硬件用于闻诊、切诊等;分析和预测和描绘未来AI相关新技术在中医诊断领域应用的趋势,包括多模态信息融合的中医智能化思路、物联网拓展诊断信息边界、区块链+联邦学习破解隐私安全需求与数据协作共享矛盾,以及通用中医思维知识图谱助力智能装备辅助诊断。 相似文献
39.
受试者招募是影响临床试验进展和结果的关键环节,一般通过筛选标准(包括纳入标准和排除标准)进行招募。筛选标准的语义类别研究可以优化临床试验设计和促进受试者自动筛选系统开发。本文通过学术测评的方式探究了利用人工智能技术对中文临床试验筛选标准语义类别的自动分类问题。本文收集了38341条带语义标注的中文筛选标准文本,并预先定义了44种语义类别。总共有75支队伍报名参加测评,其中27支队伍提交了结果。结果分析发现大部分参赛队伍使用了混合模型,主流的方法是引入能提供丰富语义表示的预训练语言模型,结合神经网络模型,针对分类任务进行微调,最后进行模型集成提高最终性能。研究结果显示,最佳系统的性能达到0.81的宏平均F1值,其主要是使用了基于预训练语言模型——变换器双向编码表征模型(BERT)与模型融合的方法。结果错误分析显示,从数据处理步骤来看,数据的预处理和后处理非常重要;从语料数量来看,数量较少类别的分类效果一般。通过本文研究,最终期望本文研究成果能为中文临床试验筛选标准短文本分类研究领域提供可供研究的数据集和最新结果。 相似文献
40.