论林语堂的汉英翻译活动中的主观因素

作为翻译活动的主体,译者在选择译什么和怎么译时,其主体因素作用很大。通过分析林语堂的汉英翻译活动,可以看出译者的生活和教育经历、文化态度和审美观、翻译目的以及双语能力等主体因素在很大程度上影响着其文本选择和翻译策略的选择。     

医药文本分类特征选择的研究

研究医药文本特点,提出了基于免疫克隆选择算法的医药文本分类特征选择方法。该算法引入Jeffries-Matusita距离设计亲和度,并利用相应的克隆算子确保算法快速收敛到全局最优解。实验结果表明,该算法在提高医药文本分类精度的同时,有效降低了特征维数。与基于BP神经网络特征选择和基于遗传算法特征选择的结果相比较,在有限代数内,该算法能收敛到更优的特征子集。     

超文本阅读背景下医学类文本阅读策略的选择

以超文本阅读为学习背景,学生在进行医学类文本阅读时可尝试选择新的阅读策略,以取得更佳的阅读效果。     

基于临床观察文本解析痛经辨治规律研究

目的:研究痛经的中医药辨治规律。方法:检索国家知识基础设施数据库(CNKI)1988—2019年应用中药治疗痛经的相关文献,采用Medcase Ver38诊籍中医师工作室-名老中医经验传承辅助平台,运用文本解析对临床医案进行研究。结果:研究文献131篇,医案104则,涉及病例128次,332诊次,涉及症状92条,病机33条,舌象27条,脉象17条,药物249种。结论:中医药治疗痛经的特异症状为“经行腹痛”,可见症为“夹血块、月经色暗、手足冰冷、经期腰酸”,相关舌脉为“舌质暗红,苔薄白”“脉沉细弦”,核心病机为“瘀血阻滞”,常用治法为“行气化瘀,活血止痛”,常用药物为“当归、白芍、甘草、延胡索、川芎”。     

公众对上门护理服务的态度和关注点：基于网络爬虫的文本挖掘

目的 基于网络爬虫获取上门服务平台评论数据,采用文本挖掘技术探讨用户对上门服务的关注焦点和情感态度。方法 采用Python代码爬取上门护理服务平台评论数据,用狄利克雷分布主题模型挖掘获取评论潜在主题,利用ROSTCM6.0软件对评论文本数据进行高频词统计、主题情感分析等过程,挖掘护士和患者所关注的热点、核心主题,以及评论情感倾向。结果 共抓取到3 166条评论,主题模型识别出6个潜在主题,分别为平台功能、服务价格和效率、服务内容和专业度、护士态度及患者体验、服务对象、平台的下载和使用;评论中用户对“护士”“服务”“态度”“方便”“平台”等词提及度较高,在一定程度上展现了用户感受和关注重点;用户积极情绪占59.19%,中性情绪占27.23%,消极情绪占13.58%,用户消极情绪主要集中在服务水平存在差异、收费不合理、平台下载使用等方面。结论 用户对各平台整体服务感知较好,但目前发展中仍存在服务水平参差不齐,收费不规范、平台不正规等困境,建议针对发展过程中的短板精准地实施改进,推动上门护理服务良性发展。     

基于文本挖掘技术发现鼻炎治疗规律

目的：利用文本挖掘技术发现鼻炎及其并发症的中西药和非药物治疗规律。方法：以中国知网文献和医患互动论坛上的鼻炎相关问答帖为数据源,利用中文文本分词、数据清洗、词频统计、相关分析等方法发现鼻炎及其并发症的治疗规律。结果：鼻炎的治疗方式分为西药、中药、中成药和非药物治疗,其中苍耳子经常被用做鼻炎偏方,玉屏风颗粒或散剂是治疗鼻炎的重要中成药,针灸是非药物治疗的主要方法,针刺、按摩也是不容忽视的非药物治疗方式,免疫疗法和脱敏疗法比较受推崇,生理盐水、减充血剂经常用于辅助治疗,目前医界提倡中西医结合疗法。鼻炎并发症发病较高的依次是鼻窦炎、气管炎、咽炎、中耳炎、肺炎,其症状和用药都有不同。结论：本文发现的中西药及非药物治疗鼻炎及其并发症的用药规律,可以为临床选药和基础研究提供参考,同时也验证了医学研究网络数据源的可用性和文本挖掘方法应用的可行性。     

学科背景知识在医学文本特征抽取中的应用

分析目前科技文献文本特征抽取方法研究现状,将基于背景知识的TF-IDF方法应用到医学文本特征抽取中,在4个医学领域中进行试验对比,结果表明该方法在抽取词汇数量较少时可以显著提高抽取效果,在对文本集合中通用词的过滤及重要特征词的识别方面明显优于使用通用IDF的TF-IDF方法。     

细读文本语文味更浓 ——浅谈《梅花魂》文本解读

如何在我们的阅读课堂中引导学生直面语言.品味语言,从而摸索,语言形式规律,获得语言表达智慧,使我们的语文课充满"语文味".我们应该带着"语文意识"去细读文本,在细读文中,找到文本中的"语文点",才能让我们的语文课堂充满"语文味".     

基于聚类分析的肺癌与基因相关关系研究

目的：研究与不同类型肺癌存在关联的基因及其与肺癌的关联,为肺癌相关基因领域的研究学者提供参考。方法：通过对肺癌、基因进行命名实体识别、实体数据的标准化处理、肺癌-基因矩阵构建、肺癌-基因矩阵的聚类分析、文献回溯等,基于聚类的方法发现不同类型肺癌存在关联的基因及其在肺癌不同阶段的具体关联。结果：利用聚类分析的方法将肺癌大致分为A549 lung cancer,Advanced non-small-cell lung cancer,small cell lung carcinoma四大类。高频基因主要是EGFR（在晚期非小细胞肺癌患者体内突变率较高）、P53（主要在NSCLC晩期患者中高水平突变表达）、KRAS（主要与NSCLC有关）。结论：基因、蛋白质、化学物质等实体对肺癌的产生与治疗至关重要。深入探究肺癌与基因的关系对肺癌的预防、诊断、治疗均有重要意义。     

政策工具视角下我国慢性病防控政策研究

背景　慢性病防控是一项系统性工程,政府扮演的供给侧角色统筹推进尤为重要。政策工具运用于慢性病防控政策中利于政策多样化,通过政策工具解构相关政策可提供启发。目的　对我国慢性病相关防控政策文本进行分析,探讨我国慢性病防控相关政策的侧重点与不足,为未来优化慢性病防控相关政策提供参考。方法　于2019年10月以“慢性病”为关键词在国务院、国家发展和改革委员会、卫生健康委员会等部门网站官网政策文件栏目检索2009年1月-2018年12月发布的慢性病相关政策文件。基于政策工具视角,对纳入分析的慢性病政策文件进行编码和摘录,采用统计描述方法从政策工具分类和系统论两个维度对政策文本进行分析。结果　最终纳入合格的政策文件30篇。X维度工具共筛选133个文本编码,在政策工具类型中命令与规制型、激励型、能力建设型、系统变革、信息与劝诫型工具分别占26.3%（35/133）、9.0%（12/133）、27.8%（37/133）、10.5%（14/133）、26.3%（35/133）。纳入的112个Y维度编号中,内部子模指标占58.9%（66/112）,外部子模指标占41.1%（46/112）。结论　我国慢性病防控政策多以政府命令工具为主导,部分强制性工具过溢;政策工具内部结构不合理,部分工具被忽略;政策工具部分偏移,政策工具激励和导向能力不强;维度系统内、外子模内部差异较大,分布不够平衡。建议多元化使用政策工具;优化X维度内部结构;强化工具中激励与导向工具的结合;重视系统外部子模使用。