检索结果-南通市图书馆

医疗文本功能及其翻译策略——以《机械通气》为例

在线全文

学校读者我要写书评

暂无评论

医疗文本功能及其翻译策略——以《机械通气》为例

作者：陈朮滽（Chen Chu-Jung）北京外国语大学

学位级别：硕士

本文为一篇英汉翻译实践报告,翻译对象节选自重症监护室医生哈立德·费尔奈尼(Khaled Fernainy)的著作《机械通气》(Mechanical Ventilation)。医疗文本类型丰富多样,翻译时应采取不同方法来实现文本目的,本报告所选文本兼具医学教科书... 详细信息

本文为一篇英汉翻译实践报告,翻译对象节选自重症监护室医生哈立德·费尔奈尼(Khaled Fernainy)的著作《机械通气》(Mechanical Ventilation)。医疗文本类型丰富多样,翻译时应采取不同方法来实现文本目的,本报告所选文本兼具医学教科书和操作手册的特点,作者重点研究其文本功能和相应的翻译策略。作者研究了多位学者的文本功能框架,发现本书主要有三个文本功能:尤金·奈达所提出的信息性功能、表达性功能和命令性功能。该书的前半部分讲述了呼吸系统和机械通气的相关知识,其文本主要服务于信息性功能,后半部分指导读者于各样情况下操作呼吸机,为命令性功能。此外,《机械通气》还具有表达性功能,主要来自两部分:医疗语境和文化影响。为了实现这三种文本功能,作者采取了从宏观到微观层面的翻译策略,以交际性翻译和具体功能目的为总指导原则,从三个语言层面-即词语、句式和语篇层面,采用奈达动态对等的系统性翻译步骤,并最终以切斯特曼的结果导向策略作为具体翻译策略,显示出翻译过程中译者对文本作出的具体变动。同时,作者对比了机翻的翻译策略,从另一侧面揭示文本功能和翻译策略之间的关系。本报告发现:信息性文本和命令性文本在词汇层面上的具体翻译策略类似,因为词汇的准确翻译是实现这两种功能的关键,然而,句法和语篇层面则需做出不同变动才能实现相应的文本功能,因文本的句法结构和代词的翻译方法会影响文本功能的实现。表达性功能则需要在词汇和句法层面上做出变动,来帮助读者感受到文本的相关性。与作者所采取的翻译策略相比,机翻的翻译策略在面对医疗文本的艰涩词汇和复杂句式时,无法实现这些文本功能。

关键词：医疗文本文本功能翻译策略

基于ALBERT-TextCNN模型的多标签医疗文本分类方法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

山东大学学报（理学版） 2022年第4期57卷 21-29页

作者：郑承宇王新王婷邓亚萍尹甜甜云南民族大学数学与计算机科学学院云南昆明650500

针对现有Word2Vec和Glove等静态词向量表征方法无法解决文本完整语义的问题,结合ALBERT预训练语言模型和TextCNN卷积神经网络,提出一种用于多标签医疗文本分类的深层神经网络模型ALBERT-TextCNN。该模型采用ALBERT预训练语言模型进行动... 详细信息

针对现有Word2Vec和Glove等静态词向量表征方法无法解决文本完整语义的问题,结合ALBERT预训练语言模型和TextCNN卷积神经网络,提出一种用于多标签医疗文本分类的深层神经网络模型ALBERT-TextCNN。该模型采用ALBERT预训练语言模型进行动态字向量表示,通过其内部多层双向的Transfomer结构获取更高效的文本向量表达,并引入TextCNN卷积神经网络模型构造多标签分类器进行训练,提取不同抽象层次的语义信息特征。在中文健康问句数据集上进行算法性能测试,实验结果表明,该模型分类的整体F1值达到了90.5%,能有效提升医疗文本的多标签分类效果。

关键词： ALBERT TextCNN模型多标签分类医疗文本

功能对等理论指导下的医疗文本英汉翻译实践报告——以药物法规文件翻译为例

在线全文

学校读者我要写书评

暂无评论

功能对等理论指导下的医疗文本英汉翻译实践报告——以药物法规文...

作者：南聪敏西安理工大学

学位级别：硕士

在世界经济快速发展的背景下,各个国家在科技领域也不断取得举世瞩目的成就。科技领域实力的提升,离不开行业内部的交流和互鉴。在这一过程中,科技类文献的翻译起到了重要的作用。科技文献涉及的领域十分广泛,包括电子信息、航空航天、... 详细信息

在世界经济快速发展的背景下,各个国家在科技领域也不断取得举世瞩目的成就。科技领域实力的提升,离不开行业内部的交流和互鉴。在这一过程中,科技类文献的翻译起到了重要的作用。科技文献涉及的领域十分广泛,包括电子信息、航空航天、生物医药等。这些技术有力地推进了人类社会的进步,为人们的生活提供了便捷和保障。而近年来,在病毒肆虐的国际形势下,医疗领域的成就和技术突破成为了人们十分关注的话题,中西方国家对于医疗技术的交流需求日益增加。因此,研究医学文本的翻译规律对于翻译实践具有重要的现实意义。与此同时,医学翻译作为一种跨文化交际活动,也在推动医疗技术发展的过程中起到了重要的媒介和桥梁作用。本文以笔者在翻译实践期间的药物法规文件为研究对象,以美国著名语言学家尤金奈达的功能对等翻译理论作为理论基础。使用翻译软件Trados作为翻译辅助工具。本文主要从五个方面展开,包括本次翻译的主要任务,翻译过程的主要步骤,翻译理论的内容以及该翻译理论在本文中的应用。在第四章节结合翻译实例进行案例研究,从而对该翻译实践文本的翻译特点进行总结。结合笔者在翻译实践过程中的实际案例,分析药物法规类文件的文本特征。本文主要从词汇、句法和语篇三个层面对案例文本进行分析。词汇层面主要主要探讨了医学专业术语和缩略语的翻译方法。句法层面主要考虑了医疗文本中被动句和复杂长难句的翻译。语篇层面主要从语篇的衔接和连贯两个方面进行探究。通过本文研究,笔者发现,功能对等理论对于药物法规英译汉文件具有普遍适用性。在功能对等理论指导下,在翻译专业术语和缩略语时,可以采用词性转换和零翻译的方法。在翻译被动语态时,可以采用语态转换的方法。长难句进行适当的划分,采取分译法或者合译法,实现句法层面的功能对等。在语篇层面,需要考虑语篇的衔接和连贯,实现语篇层面的对等。通过本次翻译实践,译者总结了其中的翻译规律,旨在为后续相关医疗文本的翻译提供相关的借鉴和参考。

关键词：医疗文本功能对等理论英译汉

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于迁移学习和集成学习的医疗文本分类

计算机技术与发展 2022年第4期32卷 28-33页

作者：郑承宇王新王婷徐权峰云南民族大学数学与计算机科学学院云南昆明650500

针对医疗文本语义稀疏、维度过高的问题,提出一种基于迁移学习和集成学习的多标签医疗文本分类算法(Trans-LSTM-CNN-Multi,TLCM)。该算法采用ALBERT(A Lite BERT)模型内部的多层双向Transfomer结构对大型语料库展开训练,获取通用领域的... 详细信息

针对医疗文本语义稀疏、维度过高的问题,提出一种基于迁移学习和集成学习的多标签医疗文本分类算法(Trans-LSTM-CNN-Multi,TLCM)。该算法采用ALBERT(A Lite BERT)模型内部的多层双向Transfomer结构对大型语料库展开训练,获取通用领域的文本动态字向量表示。然后,利用医学领域目标数据集通过迁移学习和模型微调技术实现ALBERT预训练语言模型在医学领域的文本语义增强。在此基础上,将上述通过迁移学习得到的文本语义增强模型输入到Bi-LSTM-CNN集成学习模块,进一步提取医学文本内容的重要信息特征。最后,基于二元交叉熵损失函数构造文本多标签分类器实现医疗文本分类。实验结果表明,通过迁移学习和集成学习的TLCM文本分类算法能有效提升医疗文本的分类性能,在中文健康问句数据集上整体F1值达到了91.8%。

关键词：迁移学习集成学习 ALBERT Bi-LSTM-CNN 医疗文本健康问句

在线全文

学校读者我要写书评

暂无评论

基于命名实体识别的医疗文本零水印方案

密码学报 2020年第5期7卷 643-654页

作者：龚礼春姚晔唐观根吴国华杭州电子科技大学网络空间安全学院杭州310018 杭州电子科技大学计算机学院杭州310018

零水印是信息安全研究领域信息内容安全保护的一种重要方法,该方法不修改载体内容,仅通过提取载体特征构造水印,因而具有隐蔽性、安全性等特点.然而,不同领域的文本,在内容表达上存在显著的差异.医疗文本具有大量与医疗术语相关的词语,... 详细信息

零水印是信息安全研究领域信息内容安全保护的一种重要方法,该方法不修改载体内容,仅通过提取载体特征构造水印,因而具有隐蔽性、安全性等特点.然而,不同领域的文本,在内容表达上存在显著的差异.医疗文本具有大量与医疗术语相关的词语,这些词语能够作为医疗文本零水印构造的特征.但已有的分词工具很难准确的切分医疗术语,使得医疗文本的特点不能被充分利用.针对该问题,提出了一种基于命名实体识别的医疗文本零水印方案.该方案通过BiLSTM和CRF训练医疗文本实体识别模型,获取待保护医疗文本中的相关实体,并依据实体类别标签对实体进行分类.将实体名称、实体顺序、实体长度信息作为医疗文本零水印构造的特征,设计零水印生成算法.将算法输出的零水印发送到第三方认证机构注册保存,并给出水印验证方法.最后,通过模型性能评估实验证明命名实体识别技术能够有效地提取医疗文本实体;通过对文本的格式攻击与实体的添加、删除、替换、及句子移位攻击实验,验证了方案的可行性.

关键词：文本零水印医疗文本命名实体识别实体特征

在线全文

学校读者我要写书评

暂无评论

医疗领域文本结构化

计算机工程与设计 2017年第10期38卷 2873-2878页

作者：丁祥武张夕华东华大学计算机科学与技术学院上海201620

现有通用分词工具对医疗专业术语的识别效果不理想,影响了医疗文本结构化的效果。针对该问题,提出一种基于词向量的新词发现方法,利用新词发现过程中构建的词库抽取信息,得到结构化数据。使用Google开源词向量工具word2vec训练文本,将... 详细信息

现有通用分词工具对医疗专业术语的识别效果不理想,影响了医疗文本结构化的效果。针对该问题,提出一种基于词向量的新词发现方法,利用新词发现过程中构建的词库抽取信息,得到结构化数据。使用Google开源词向量工具word2vec训练文本,将词映射到抽象的n维向量空间;根据词与词之间的得分、词的左右信息熵和在文本中的词来发现新词,把发现的新词加入用户自定义词库;设计信息抽取规则,根据发现的关键词提取对应的关键信息,将其组织为结构化数据。实验结果表明,用该方法进行结构化处理在准确率上比传统方法提高了10%,在效率上比传统方法提高了18%。

关键词：医疗文本中文分词词向量信息熵信息抽取

基于ERNIE-Bi-GRU-Attention的医疗实体关系抽取模型

在线全文

学校读者我要写书评

暂无评论

信息技术与信息化 2024年第2期 208-212页

作者：姚洁仪王春亮水电工程智能视觉检测湖北省重点实验室湖北宜昌443000 三峡大学计算机与信息学院湖北宜昌443000

医疗信息文本信息处理存在文本长、专业术语多、实体间关系复杂等问题,因此,提出一种基于ERNIEBi-GRU-Attention的医疗实体关系抽取模型。首先通过预训练模型ERNIE使向量获得丰富的语义信息和医疗先验知识,解决医疗专业术语问题;其次通... 详细信息

医疗信息文本信息处理存在文本长、专业术语多、实体间关系复杂等问题,因此,提出一种基于ERNIEBi-GRU-Attention的医疗实体关系抽取模型。首先通过预训练模型ERNIE使向量获得丰富的语义信息和医疗先验知识,解决医疗专业术语问题;其次通过Bi-GRU-Attention进行语句编码,捕获有效上下文信息,有利于关系抽取;然后使用经典CRF输出实体标签;将实体标签特征和语句编码向量特征拼接进行一阶和二阶特征融合;最后通过分类器获得最终关系标签输出。通过在医疗数据集上验证,结果表明与其他模型相比,使用此模型医疗实体关系抽取的效果有所提升。

关键词：信息抽取关系抽取预训练 BiGRU 医疗文本

在线全文

学校读者我要写书评

暂无评论

面向中文医疗文本的命名实体识别研究

面向中文医疗文本的命名实体识别研究

作者：徐国海华东师范大学

学位级别：硕士

命名实体识别主要研究从非结构化文本中识别出包含特殊含义的词汇或专有名词,是自然语言处理领域中一项重要的基础性技术,在信息检索、问答系统等领域有着广泛的应用。目前,大量工作聚焦于开放域的命名实体识别且以英文为主,本文则主要... 详细信息

命名实体识别主要研究从非结构化文本中识别出包含特殊含义的词汇或专有名词,是自然语言处理领域中一项重要的基础性技术,在信息检索、问答系统等领域有着广泛的应用。目前,大量工作聚焦于开放域的命名实体识别且以英文为主,本文则主要研究中文医疗文本的命名实体识别问题,以不同类型的医疗文本为研究对象,既有以临床电子病历为代表的专业医疗文本,也有来自大众医疗领域的医疗搜索查询和在线问答数据。本文首先基于神经网络方法构建基本框架,然后提出外部知识获取与融入方式来利用医疗词典信息增强模型效果,最后基于迁移学习方法利用外部数据进一步提升识别效果。本文的主要工作和贡献如下:·基于神经网络方法的命名实体识别为避免对特征工程的依赖,本文首先基于神经网络方法构建解决命名实体识别问题的基本框架NN-CRF,标注和整理得到三个中文医疗文本的命名实体识别数据集。通过实验比较了字粒度输入和词粒度输入对识别效果的影响,验证了神经网络方法在不依赖特征工程前提下,相比传统统计机器学习方法仍然可以取得更好的效果。另外,对比三种典型神经网络模型的识别效果差异,并给出合理设计模型的指南。·基于外部知识增强的命名实体识别考虑到医疗领域存在大量的外部资源,本文通过引入外部知识以辅助模型识别在训练集中很少出现或没有出现的实体。本文以医疗词典信息为例,提出两种获取外部知识的方式,分别是特征模板法和字词联合法,并设计两种外部知识的融入方式,即直接输入法和间接输入法,最后通过实验验证上述方法能够增强模型的泛化能力。·基于外部数据提升的命名实体识别为缓解缺乏标注数据的问题,本文基于迁移学习方法利用外部数据提升已有模型的效果。主要探究两种解决思路,其一,以语言模型为任务利用大量无标注数据预训练模型,借助参数迁移加速模型收敛和提升效果。其二,以多任务学习方式充分利用相关的标注数据集,提出共享私有模式的参数共享框架,并且在改进的迭代策略下有效训练,从而更大限度地提升目标领域的识别效果。

关键词：命名实体识别医疗文本神经网络方法外部知识迁移学习

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习医疗文本命名实体识别研究

电脑编程技巧与维护 2020年第8期 153-155页

作者：何玉洁宁夏大学银川750000

生物医学命名实体是生物医学文本挖掘中最基本的任务之一。近年来,基于深度学习的方法已被应用于生物医学命名实体识别,并取得了良好的效果。提出了基于深度学习的命名实体识别方法(BILSTM-CRF)对医疗文本中所包含的疾病名称、症状、疾... 详细信息

生物医学命名实体是生物医学文本挖掘中最基本的任务之一。近年来,基于深度学习的方法已被应用于生物医学命名实体识别,并取得了良好的效果。提出了基于深度学习的命名实体识别方法(BILSTM-CRF)对医疗文本中所包含的疾病名称、症状、疾病特点等实体进行识别。实验结果表明,BILSTM-CRF模型对医疗文本的命名实体识别任务有效性和稳健性。

关键词：命名实体识别深度学习医疗文本