目的构建住院康复治疗结果与康复效果影响因素的关系模型,探索住院康复效果评价方法。方法采用人工神经网络模型构建住院康复治疗结果与康复效果影响因素间的关系模型,通过评价确定的预测精度相对最高的康复治疗结果与影响因素的关系模...目的构建住院康复治疗结果与康复效果影响因素的关系模型,探索住院康复效果评价方法。方法采用人工神经网络模型构建住院康复治疗结果与康复效果影响因素间的关系模型,通过评价确定的预测精度相对最高的康复治疗结果与影响因素的关系模型预测接受住院治疗患者的预期康复结果。通过比较实际出院国际功能、残疾和功能分类(Inter-national Classification of Functioning,Disability and Health,ICF)总分和预测的ICF总分差值的分布,判断住院康复治疗的效果。结果对纳入的1334例脑损伤患者住院康复病案进行分析,结合预测精度评价指标及其标准选取最优模型,根据最优模型预测结果进行康复效果评价。结论基于ICF-RS-17测量获得的患者出入院功能得分、住院康复患者自身功能状态及相关影响因素,构建住院康复治疗结果与影响因素的关系模型,为临床实际康复效果建立有效的评价手段提供科学依据,也为康复医保实现按价值支付提供参考。展开更多
做好法律文书的实体识别可极大地帮助推动“智慧司法”,但目前对法律文书的命名实体识别存在着公共数据集缺乏、低频生僻和长实体识别效果不好、句法信息捕捉不足等问题。因此,该文针对民事案件提出了实体定义方案,构建了民事案件法律...做好法律文书的实体识别可极大地帮助推动“智慧司法”,但目前对法律文书的命名实体识别存在着公共数据集缺乏、低频生僻和长实体识别效果不好、句法信息捕捉不足等问题。因此,该文针对民事案件提出了实体定义方案,构建了民事案件法律文书数据集,并且提出了GLYCE-ONLSTM-CRF(GOC)模型来识别法律文书的实体。该模型嵌入层基于BERT预训练模型并融合了汉字字形特征,再通过ONLSTM(Ordered Neuron Long Short Term Memory Networks)层学习句子的层级结构,最后通过条件随机场(CRF)算法输出结果。在构建的民事案件数据集上进行实验,测试集的F 1值提高了5.15%,证明了模型的优越性,为法律文书命名实体识别提供了新思路。展开更多
文摘目的构建住院康复治疗结果与康复效果影响因素的关系模型,探索住院康复效果评价方法。方法采用人工神经网络模型构建住院康复治疗结果与康复效果影响因素间的关系模型,通过评价确定的预测精度相对最高的康复治疗结果与影响因素的关系模型预测接受住院治疗患者的预期康复结果。通过比较实际出院国际功能、残疾和功能分类(Inter-national Classification of Functioning,Disability and Health,ICF)总分和预测的ICF总分差值的分布,判断住院康复治疗的效果。结果对纳入的1334例脑损伤患者住院康复病案进行分析,结合预测精度评价指标及其标准选取最优模型,根据最优模型预测结果进行康复效果评价。结论基于ICF-RS-17测量获得的患者出入院功能得分、住院康复患者自身功能状态及相关影响因素,构建住院康复治疗结果与影响因素的关系模型,为临床实际康复效果建立有效的评价手段提供科学依据,也为康复医保实现按价值支付提供参考。
文摘做好法律文书的实体识别可极大地帮助推动“智慧司法”,但目前对法律文书的命名实体识别存在着公共数据集缺乏、低频生僻和长实体识别效果不好、句法信息捕捉不足等问题。因此,该文针对民事案件提出了实体定义方案,构建了民事案件法律文书数据集,并且提出了GLYCE-ONLSTM-CRF(GOC)模型来识别法律文书的实体。该模型嵌入层基于BERT预训练模型并融合了汉字字形特征,再通过ONLSTM(Ordered Neuron Long Short Term Memory Networks)层学习句子的层级结构,最后通过条件随机场(CRF)算法输出结果。在构建的民事案件数据集上进行实验,测试集的F 1值提高了5.15%,证明了模型的优越性,为法律文书命名实体识别提供了新思路。
