检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大语言模型方法在情报实践中的应用

科技情报研究 2025年第1期7卷 53-64页

作者：化柏林王英泽北京大学信息管理系北京100871

[目的/意义]大语言模型凭借着对大规模数据集处理的较强能力和在各项自然语言处理任务中的超群表现,在各行业中皆有出色发挥,而情报领域以文本数据为主要信息源,所以大语言模型非常适用于情报工作,并为情报实践带来了新一轮变革浪潮。[... 详细信息

[目的/意义]大语言模型凭借着对大规模数据集处理的较强能力和在各项自然语言处理任务中的超群表现,在各行业中皆有出色发挥,而情报领域以文本数据为主要信息源,所以大语言模型非常适用于情报工作,并为情报实践带来了新一轮变革浪潮。[方法/过程]从文本的低维稠密向量表示、大规模预训练模型、微调与提示学习、高质量大规模训练数据、人类对齐技术5个维度讨论了大语言模型的优势。[结果/讨论]大语言模型在情报识别、情报跟踪、情报比评、情报预测等情报任务中皆有广泛应用,且带来了显而易见的优化提升或范式改变。

关键词：大语言模型情报学情报方法情报实践深度学习文本信息

基于机器学习的预测重组人血小板生成素治疗肿瘤治疗相关血小板减少效果的模型构建和验证

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

中国药学杂志 2025年

作者：侯坤王振飞北京大学肿瘤医院内蒙古医院/内蒙古医科大学附属肿瘤医院药学部北京大学肿瘤医院内蒙古医院/内蒙古医科大学附属肿瘤医院肿瘤分子诊断实验室

目的构建一种基于机器学习的预测模型，用于预测重组人血小板生成素治疗肿瘤药物相关血小板减少后血小板数值的提升情况。方法选择呼和浩特市某三甲肿瘤专科医院2022年1月至2023年12月进行抗肿瘤药物治疗后发生血小板减少并进行重组... 详细信息

目的构建一种基于机器学习的预测模型，用于预测重组人血小板生成素治疗肿瘤药物相关血小板减少后血小板数值的提升情况。方法选择呼和浩特市某三甲肿瘤专科医院2022年1月至2023年12月进行抗肿瘤药物治疗后发生血小板减少并进行重组人血小板生成素升血小板治疗的800例住院患者的相关资料，建立原始数据集，随后按照6∶2∶2的比例随机化分为训练集、测试集、验证集。利用主成分分析法（principalcomponentanalysis，PCA）降低训练集的变量维度，保留主要特征变量。构建7个预测模型，包括线性回归（linear regression，LR）、随机森林回归（random forest regression，RF）、极端梯度增强（extreme gradient boosting，XGBoost）、决策树回归（decision tree regressor，DT）、贝叶斯回归（bayesian ridge regression，BR）、K最邻近节点算法（K-nearest neighbor regressor，KNN）、梯度提升决策树（gradient boosting regressor，GB）。模型性能评估指标包括相关系数评分(r2score)、均方误差（mean squared error，MSE）、平均绝对误差（mean absolute error，MAE），确定最佳模型，并采用沙普利加性解释（SHAP）方法对最佳模型中的特征重要性进行解释。结果采用PCA法将训练集的14个特征变量降维获得8个主成分，分别为使用Rh-TPO前血小板数值、Rh-TPO使用疗程、化疗前PLT数值、化疗后第几日复查、基线血红蛋白数值、年龄、身高、民族。7个机器学习模型中，随机森林回归模型最终的性能表现最佳，在训练集、测试集和验证集上的r2值分别为0.89，0.69，0.51。SHAP结果对最优模型进行解释，结果显示使用Rh-TPO前血小板数值、Rh-TPO使用疗程、化疗前PLT数值分别排在8个特征中的前3位。结论本研究结果证实最优模型随机森林回归（RF）模型在预测Rh-TPO治疗肿瘤患者CTIT的效果方面具有良好的表现，为临床医生的相关治疗决策提供了一定的预测参考。但考虑到其回顾性数据性质及纳入研究的数据数量有限等因素，后续还需继续增加符合研究的数据以增加机器反复学习的频率和对数据的处理量，进一步优化模型的精确度，从而提高预测结果的精确度。

关键词：机器学习预测模型肿瘤药物相关血小板减少重组人血小板生成素注射液主成分分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

研究生分类培养改革（笔谈）

重庆高教研究 2025年

作者：陈洪捷魏丽娜陈涛罗英姿王东芳北京大学教育学院北京大学中国博士教育研究中心杭州师范大学中国创新创业教育研究院西南财经大学公共管理学院南京农业大学公共管理学院天津师范大学教育学部

研究生分类培养是当前研究生教育发展中的一个重要议题。随着专业学位研究生教育的快速发展，以学术训练为核心的研究生培养方式受到很大的挑战。专业学位研究生培养如何适应不同行业和职业领域的要求、如何面对不同行业职业需求培养高...

研究生分类培养是当前研究生教育发展中的一个重要议题。随着专业学位研究生教育的快速发展，以学术训练为核心的研究生培养方式受到很大的挑战。专业学位研究生培养如何适应不同行业和职业领域的要求、如何面对不同行业职业需求培养高层次实践型人才、如何处理学术训练与实践能力训练的关系，传统的研究生培养模式如何真正做到研究生的分类培养，如何构建专业学位研究生培养质量标准，这些都是专业学位研究生培养面临的重要问题。本次笔谈围绕这些问题展开研究与讨论。陈洪捷的文章分析了专业博士培养如何理解、如何实现实践能力培养问题。魏丽娜以工程专业研究生培养为例，就如何真正落实校企合作这一培养方式进行了全面讨论。陈涛从供需适配角度提出了专业学位研究生培养的“产品”思维。罗英姿对农业硕士专业研究生培养的各个环节进行了系统的讨论。王东芳对专业博士的国际趋势和特征进行讨论，强调社会需求是专业博士发展的根本动因。各位作者虽然讨论的具体问题不同，但涵盖了专业学位研究生培养面临的诸多重要问题，从理念到实践、从模式到体制，从中国实践到国际经验，并提出了相应的政策建议。

关键词：

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

43000创客在此诞生

大学生 2019年第7期 80-81页

作者：王健北京大学校友会北京大学创业训练营

北大创业训练营是一个项目名称,是北京大学在2012年启动的校级计划,目前已经成为'双创'领域里流量最大的平台之一,我们每年能够面对面地帮扶、教育、孵化14000多创客,通过网络直播覆盖到将近20万个青年创客,累计现在已经孵化了大概有43... 详细信息

北大创业训练营是一个项目名称,是北京大学在2012年启动的校级计划,目前已经成为'双创'领域里流量最大的平台之一,我们每年能够面对面地帮扶、教育、孵化14000多创客,通过网络直播覆盖到将近20万个青年创客,累计现在已经孵化了大概有43000多位创客朋友。

关键词：创业导师孵化器 “双创”

在线全文

学校读者我要写书评

暂无评论

新春营销“新玩法”

互联网经济 2018年第3期 16-21页

作者：张志宏红石企业管理有限公司北京大学创业训练营

春节是中国人最重要、最热闹的节日,全民休假,亲人团聚,辞旧迎新,也是集中消费的黄金季节。所有的企业都会在春节前后展开营销策略,不仅要展示过去一年的成就,而且会将未来一年的发展战略和新布局公之于众,为未来一年开个好头。而商业... 详细信息

春节是中国人最重要、最热闹的节日,全民休假,亲人团聚,辞旧迎新,也是集中消费的黄金季节。所有的企业都会在春节前后展开营销策略,不仅要展示过去一年的成就,而且会将未来一年的发展战略和新布局公之于众,为未来一年开个好头。而商业巨头们的征战,会一直延续到春天全国两会的召开。因此我们将这个阶段的营销称之为新春营销。讨论新春营销,我们不仅要讨论不同的营销模式、不同的营销内容和不同的营销效果,我们还应该通过这些热闹纷呈的营销剧情,找出新的变化和导致这些变化的原因,从而推测出未来的格局和行业发展的趋势。

关键词：营销玩法合作伙伴潜在消费者消费习惯杜蕾斯百度 BAT

低容量高强度间歇训练对肥胖或超重人群心血管疾病风险因子影响的Meta分析

在线全文

学校读者我要写书评

暂无评论

中国组织工程研究 2025年第12期29卷 2590-2604页

作者：李秀鹏苏玉莹王悦同彭亮王艺达荆雯渤海大学体育学院辽宁省锦州市121013 北京体育大学体能训练学院北京市100086 北京体育大学教育学院北京市100086 大连理工大学体育与健康学院辽宁省大连市116024

目的:通过Meta分析综合定量评价低容量高强度间歇训练对预防肥胖或超重人群心血管疾病的效果,进一步验证低容量高强度间歇训练在肥胖等特殊人群中应用的可行性。方法:在中国知网、PubMed、Web of Science、Cochrane Library和EBSCO-SPO... 详细信息

目的:通过Meta分析综合定量评价低容量高强度间歇训练对预防肥胖或超重人群心血管疾病的效果,进一步验证低容量高强度间歇训练在肥胖等特殊人群中应用的可行性。方法:在中国知网、PubMed、Web of Science、Cochrane Library和EBSCO-SPORTD运动科学全文数据库检索关于低容量高强度间歇训练相关研究的随机对照试验文献,检索时限为各数据库建库至2024年2月。由2名研究人员对所纳入的研究进行筛选、质量评价和数据提取,采用RevMan 5.4和Stata 17.0软件对结局指标进行Meta分析,包括合并效应量、亚组分析、Leave-One-Out敏感性分析以及发表Egger检验和绘制漏斗图。该方案已在国际系统综述前瞻性注册中心注册(CRD42024534409)。结果:①最终筛选纳入符合要求的13项随机对照试验,共包含349例受试者,纳入文献整体质量较高。②低容量高强度间歇训练干预对心肺适能(SMD=-0.65,95%CI:-0.87至-0.43,P训练与中等强度持续训练相比在改善超重或肥胖人群心肺适能、收缩压、舒张压、体脂百分比、标准体质量、体质量指数、高密度脂蛋白、低密度脂蛋白和总胆固醇指标方面干预效果相似(P>0.05),但在改善三酰甘油效果方面中等强度持续训练优于低容量高强度间歇训练(SMD=-0.30,95%CI:-0.57至-0.02,P训练和中等强度持续训练干预对各项指标的改善效果相似。结论:当前证据表明,低容量高强度间歇训练可以有效提升超重或肥胖人群的心肺适应能力以及促进减脂和血压调控,且改善效果与中等强度持续训练相似。短时间的低容量高强度间歇训练相比于长时间的中等强度持续训练更具有时间效益。建议未来通过更多研究确定适用于超重或肥胖人群最佳的低容量高强度间歇训练运动处方。

关键词：低容量高强度间歇训练中等强度持续训练心血管疾病心脏代谢血压效果体脂血脂肥胖超重随机对照试验 Meta分析

社区慢性病共病药物治疗决策的困境与应对路径

在线全文

学校读者我要写书评

暂无评论

中国全科医学 2025年第1期28卷 103-110,118页

作者：夏瑀罗原李峥嵘周馨媚童钰铃赵洋徐志杰北京大学深圳医院全科医学科广东省深圳市518036 浙江省杭州市上城区小营街道社区卫生服务中心 310009 山东省临沂市人民医院药学部 276000 浙江大学医学院附属第二医院全科医学科浙江省杭州市310009 新南威尔士大学乔治全球健康研究院澳大利亚悉尼2050 墨尔本大学人口与全球健康学院澳大利亚墨尔本3010

慢性病共病是指个体同时患有2种及以上的慢性疾病。共病患者常联用多种药物治疗,给社区全科医生的科学用药决策带来了挑战。本文分析了社区共病药物治疗决策困境形成的原因与影响因素,并提出了一种动态的综合性决策框架,即共病药物治疗... 详细信息

慢性病共病是指个体同时患有2种及以上的慢性疾病。共病患者常联用多种药物治疗,给社区全科医生的科学用药决策带来了挑战。本文分析了社区共病药物治疗决策困境形成的原因与影响因素,并提出了一种动态的综合性决策框架,即共病药物治疗决策框架(MDMF)。该框架由社区全科医生接诊共病患者的5个阶段构成,包括“健康问题回顾”“用药综合评估”“医患共同决策”“药物治疗记录”和“安排随访计划”。MDMF能够促使社区全科医生为共病患者制定个体化的药物治疗方案,但也对其诊疗能力提出了一定要求。因此,建议对社区全科医生开展以MDMF为核心的培训、提供决策辅助支持,并采取合理的激励与监督措施,推动社区医疗机构提供以患者为中心的药物治疗方案,提升药物治疗的安全性和有效性,减轻患者的治疗负担。

关键词：慢性病共病药物治疗决策决策模型社区卫生服务全科医生

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

融合实体信息的古汉语关系分类研究

数据分析与知识发现 2024年第1期8卷 114-124页

作者：唐雪梅苏祺王军北京大学信息管理系北京100871 北京大学数字人文研究中心北京100871 北京大学外国语学院北京100871

【目的】将实体信息与预训练语言模型结合应用到古汉语关系分类任务中,构建古汉语关系分类模型。【方法】首先,在预训练模型输入层中使用特殊标记标出实体对的位置,同时在原关系句之后拼接实体类型描述句;其次,在预练语言模型的输出中... 详细信息

【目的】将实体信息与预训练语言模型结合应用到古汉语关系分类任务中,构建古汉语关系分类模型。【方法】首先,在预训练模型输入层中使用特殊标记标出实体对的位置,同时在原关系句之后拼接实体类型描述句;其次,在预练语言模型的输出中进一步提取实体语义信息;然后,通过CNN将每个字符相对于首尾实体的位置信息融入模型中;最后,将句表示、实体语义表示以及CNN输出拼接经过分类器得到关系标签。【结果】相较于仅使用预训练语言模型,本文模型在Macro F1指标上平均有3.5个百分点的提升。【局限】通过分析混淆矩阵发现本文模型在有相同实体类型组合的关系上容易出现预测错误。【结论】在预训练语言模型中结合实体信息能够提高古汉语关系分类的效果,且实验结果证明本文融合实体信息的方法是有效的。

关键词：古汉语关系抽取关系分类预训练语言模型实体信息

在线全文

学校读者我要写书评

暂无评论

通用域适应综述

计算机研究与发展 2024年第1期61卷 120-144页

作者：何秋妍邓明华北京大学数学科学学院北京100871 北京大学统计科学中心北京100871 北京大学定量生物学中心北京100871

域适应问题放宽了传统机器学习问题关于训练样本和测试样本同分布的假设,在域间差异存在的情况下从富有标签的源域迁移知识到缺少标签的目标域.但现有域适应方法大多依赖于对源域和目标域标签集合的相对关系的假设,不贴合实际应用场景,... 详细信息

域适应问题放宽了传统机器学习问题关于训练样本和测试样本同分布的假设,在域间差异存在的情况下从富有标签的源域迁移知识到缺少标签的目标域.但现有域适应方法大多依赖于对源域和目标域标签集合的相对关系的假设,不贴合实际应用场景,因此,通用域适应问题考虑如何在缺少源域和目标域的标签集合先验信息的情况下,实现对目标域的标记.在此过程中,通用域适应方法需要判定目标域样本是否属于源域类别,克服域间差异和潜在的类别差异,在源域和目标域共有类上完成标签的迁移.首先从问题设置与方法策略2方面,对通用域适应方法进行梳理;然后通过实验对比了典型方法,进而分析了通用域适应问题的研究难点;随后整理了现有方法的应用情况,对与之有关的实际应用问题进行了分析;最后探讨了通用域适应问题未来研究方向.

关键词：通用域适应迁移学习对抗学习对比学习自训练