现有基于预训练语言模型(PLM)的作文自动评分(AES)方法偏向于直接使用从PLM提取的全局语义特征表示作文的质量,却忽略了作文质量与更细粒度特征关联关系的问题。聚焦于中文AES研究,从多种文本角度分析和评估作文质量,提出利用图神经网络...现有基于预训练语言模型(PLM)的作文自动评分(AES)方法偏向于直接使用从PLM提取的全局语义特征表示作文的质量,却忽略了作文质量与更细粒度特征关联关系的问题。聚焦于中文AES研究,从多种文本角度分析和评估作文质量,提出利用图神经网络(GNN)对作文的多尺度特征进行联合学习的中文AES方法。首先,利用GNN分别获取作文在句子级别和段落级别的篇章特征;然后,将这些篇章特征与作文的全局语义特征进行联合特征学习,实现对作文更精准的评分;最后,构建一个中文AES数据集,为中文AES研究提供数据基础。在所构建的数据集上的实验结果表明,所提方法在6个作文主题上的平均二次加权Kappa(QWK)系数相较于R2-BERT(Bidirectional Encoder Representations from Transformers model with Regression and Ranking)提升了1.1个百分点,验证了在AES任务中进行多尺度特征联合学习的有效性。同时,消融实验结果进一步表明了不同尺度的作文特征对评分效果的贡献。为了证明小模型在特定任务场景下的优越性,与当前流行的通用大语言模型GPT-3.5-turbo和DeepSeek-V3进行了对比。结果表明,使用所提方法的BERT(Bidirectional Encoder Representations from Transformers)模型在6个作文主题上的平均QWK比GPT-3.5-turbo和DeepSeek-V3分别高出了65.8和45.3个百分点,验证了大语言模型(LLMs)在面向领域的篇章级作文评分任务中,因缺乏大规模有监督微调数据而表现不佳的观点。展开更多
目的探讨动态心电图参数联合心肌梗死溶栓疗法(TIMI)危险评分对急性ST段抬高型心肌梗死(STEMI)患者经皮冠状动脉介入治疗(PCI)术后发生主要不良心血管事件(MACE)的预测价值。方法选取2021年7月至2024年6月于连云港市第一人民医院就诊的S...目的探讨动态心电图参数联合心肌梗死溶栓疗法(TIMI)危险评分对急性ST段抬高型心肌梗死(STEMI)患者经皮冠状动脉介入治疗(PCI)术后发生主要不良心血管事件(MACE)的预测价值。方法选取2021年7月至2024年6月于连云港市第一人民医院就诊的STEMI患者119例,根据术后1年随访期内是否发生MACE分为发生组(24例)和未发生组(95例)。比较两组一般临床资料、动态心电图参数;采用多因素Logistic回归分析STEMI患者PCI术后发生MACE的影响因素;采用ROC曲线分析动态心电图参数[包括24 h QT间期变异性(24 h QTV)、窦性心搏RR间期的标准差(SDNN)等]、TIMI危险评分对STEMI患者PCI术后发生MACE的预测价值。结果发生组年龄、Killip心功能分级≥Ⅱ级、TIMI危险评分高于未发生组(P<0.05)。发生组24 h QTV、SDNN水平低于未发生组(P<0.001)。多因素Logistic回归分析显示,年龄、TIMI危险评分是STEMI患者PCI术后发生MACE的独立危险因素,24 h QTV、SDNN是STEMI患者PCI术后发生MACE的独立保护因素(OR=2.098,95%CI:1.022~4.307,P=0.044;OR=2.869,95%CI:1.267~6.497,P=0.012;OR=0.355,95%CI:0.159~0.795,P=0.012;OR=0.376,95%CI:0.174~0.813,P=0.013)。ROC曲线分析显示,24 h QTV、SDNN、TIMI危险评分预测STEMI患者PCI术后发生MACE的曲线下面积分别为0.762、0.740、0.761,联合检测预测的曲线下面积为0.930,显著优于单独检测(P<0.05)。结论动态心电图参数24 h QTV、SDNN及TIMI危险评分均是STEMI患者PCI术后发生MACE的独立影响因素,联合检测可较好地预测STEMI患者PCI术后MACE的发生。展开更多
文摘现有基于预训练语言模型(PLM)的作文自动评分(AES)方法偏向于直接使用从PLM提取的全局语义特征表示作文的质量,却忽略了作文质量与更细粒度特征关联关系的问题。聚焦于中文AES研究,从多种文本角度分析和评估作文质量,提出利用图神经网络(GNN)对作文的多尺度特征进行联合学习的中文AES方法。首先,利用GNN分别获取作文在句子级别和段落级别的篇章特征;然后,将这些篇章特征与作文的全局语义特征进行联合特征学习,实现对作文更精准的评分;最后,构建一个中文AES数据集,为中文AES研究提供数据基础。在所构建的数据集上的实验结果表明,所提方法在6个作文主题上的平均二次加权Kappa(QWK)系数相较于R2-BERT(Bidirectional Encoder Representations from Transformers model with Regression and Ranking)提升了1.1个百分点,验证了在AES任务中进行多尺度特征联合学习的有效性。同时,消融实验结果进一步表明了不同尺度的作文特征对评分效果的贡献。为了证明小模型在特定任务场景下的优越性,与当前流行的通用大语言模型GPT-3.5-turbo和DeepSeek-V3进行了对比。结果表明,使用所提方法的BERT(Bidirectional Encoder Representations from Transformers)模型在6个作文主题上的平均QWK比GPT-3.5-turbo和DeepSeek-V3分别高出了65.8和45.3个百分点,验证了大语言模型(LLMs)在面向领域的篇章级作文评分任务中,因缺乏大规模有监督微调数据而表现不佳的观点。
文摘目的探讨动态心电图参数联合心肌梗死溶栓疗法(TIMI)危险评分对急性ST段抬高型心肌梗死(STEMI)患者经皮冠状动脉介入治疗(PCI)术后发生主要不良心血管事件(MACE)的预测价值。方法选取2021年7月至2024年6月于连云港市第一人民医院就诊的STEMI患者119例,根据术后1年随访期内是否发生MACE分为发生组(24例)和未发生组(95例)。比较两组一般临床资料、动态心电图参数;采用多因素Logistic回归分析STEMI患者PCI术后发生MACE的影响因素;采用ROC曲线分析动态心电图参数[包括24 h QT间期变异性(24 h QTV)、窦性心搏RR间期的标准差(SDNN)等]、TIMI危险评分对STEMI患者PCI术后发生MACE的预测价值。结果发生组年龄、Killip心功能分级≥Ⅱ级、TIMI危险评分高于未发生组(P<0.05)。发生组24 h QTV、SDNN水平低于未发生组(P<0.001)。多因素Logistic回归分析显示,年龄、TIMI危险评分是STEMI患者PCI术后发生MACE的独立危险因素,24 h QTV、SDNN是STEMI患者PCI术后发生MACE的独立保护因素(OR=2.098,95%CI:1.022~4.307,P=0.044;OR=2.869,95%CI:1.267~6.497,P=0.012;OR=0.355,95%CI:0.159~0.795,P=0.012;OR=0.376,95%CI:0.174~0.813,P=0.013)。ROC曲线分析显示,24 h QTV、SDNN、TIMI危险评分预测STEMI患者PCI术后发生MACE的曲线下面积分别为0.762、0.740、0.761,联合检测预测的曲线下面积为0.930,显著优于单独检测(P<0.05)。结论动态心电图参数24 h QTV、SDNN及TIMI危险评分均是STEMI患者PCI术后发生MACE的独立影响因素,联合检测可较好地预测STEMI患者PCI术后MACE的发生。
