为了降低生物医学文本中命名实体识别对目标领域标注数据的需求，将生物医学文本中的命名实体识别问题转换为基于迁移学习的隐马尔可夫模型问题。对要进行命名实体识别的目标领域数据集无须进行大量数据标注，通过迁移学习的方法实现对目标领域的识别分类；以相关领域数据为辅助数据集，利用数据引力的方法评估辅助数据集的样本在目标领域学习中的贡献程度，在辅助数据集和目标领域数据集上计算权值进行迁移学习。基于权值学习模型，构建基于迁移学习的隐马尔可夫模型算法BioTrHMM。在GENIA语料库的数据集上的实验表明，BioTrHMM算法比传统的隐马尔可夫模型算法具有更好的性能，仅需要少量的目标领域标注数据即可具有较好的命名实体识别性能。
2021-07-17 15:45:49
968KB
1
学习软件_职称考试_医学高级职称考试宝典(口腔颌面外科)免费下载.zip
2021-07-17 10:01:47
14.16MB
学习软件_职称考试_医学高级职称考试宝典(核医学与技术)免费下载.zip
2021-07-17 10:01:44
17.11MB
本综述将基于深度学习的医学和非医学图像分割解决方案分为六大组:深度架构、基于数据合成、基于损失函数、排序模型、弱监督和多任务方法，并对每一组的贡献进行全面综述。然后，针对每一组，我们分析了每一组的不同，并讨论了当前方法的局限性和未来语义图像分割的研究方向。
2021-07-16 16:04:46
2.86MB
1
医学微生物学说课肠杆菌科、弧菌属，医学微生物学说课肠杆菌科、弧菌属课件，医学微生物学说课肠杆菌科、弧菌属PPT
2021-07-16 13:02:26
1.65MB