目的:构建精神心理专科护士培训迁移方案,验证其在精神心理专科护士院内再培养中的实践效果,为精神心理专科护士培养提供理论创新与实践参考。方法:采用文献研究法和专家函询法,基于目标驱动理论构建精神心理专科护士培训迁移方案,2024...目的:构建精神心理专科护士培训迁移方案,验证其在精神心理专科护士院内再培养中的实践效果,为精神心理专科护士培养提供理论创新与实践参考。方法:采用文献研究法和专家函询法,基于目标驱动理论构建精神心理专科护士培训迁移方案,2024年1月—12月应用于浙江省某三级甲等医院精神卫生中心30名精神心理专科护士的院内再培养,比较该方案应用前后精神心理专科护士核心能力的差异,并验证其临床实践效果。结果:实施精神心理专科护士培训迁移方案后,专科护士核心能力总分(196.10±3.74 vs 182.30±6.73)和临床实践能力(58.47±1.11 vs 54.87±2.54)、咨询指导能力(30.97±5.62 vs 28.73±5.82)、护理管理能力(50.97±1.96 vs 46.77±2.82)、护理科研能力(34.23±1.22 vs 31.60±1.54)和专业发展能力(22.47±0.82 vs 21.33±1.12)5个维度得分均高于应用前(P<0.05)。结论:精神心理专科护士培训迁移方案的应用能够有效提升精神心理专科护士的核心能力,从而促进精神心理专科护理的高质量发展。展开更多
面向推荐的对话生成任务旨在通过人机对话交互获取用户偏好,以实现精准推荐。针对现有研究工作存在对话推荐类型单一和生成回复质量低的问题,本文提出一种基于统一预训练语言模型(Unified Language Model pre-training,UniLM)的目标驱...面向推荐的对话生成任务旨在通过人机对话交互获取用户偏好,以实现精准推荐。针对现有研究工作存在对话推荐类型单一和生成回复质量低的问题,本文提出一种基于统一预训练语言模型(Unified Language Model pre-training,UniLM)的目标驱动的推荐对话生成模型(Goal Driven Recommendation-oriented Dialog Generation model, GDRDG)。该模型包括文本表示模块、多头编码模块、解码模块以及一种特殊的注意力掩码机制。其中,文本表示模块通过UniLM对输入文本进行向量化表示,确保模型能捕获文本的深层次语义特征;多头编码模块利用多头自注意力机制捕捉全局上下文信息,提高生成回复的连贯性和相关性;解码模块生成当前轮对话目标及基于该目标的回复,确保回复符合上下文并将对话向预期目标引导;特殊的注意力掩码机制则通过控制解码过程中的信息流,确保模型仅关注当前轮次相关信息,以提高回复质量。实验结果表明,GDRDG模型在BLEU、Distinct、F1和Hit@1等指标上均优于现有方法,验证了模型的有效性和先进性。展开更多
文摘目的:构建精神心理专科护士培训迁移方案,验证其在精神心理专科护士院内再培养中的实践效果,为精神心理专科护士培养提供理论创新与实践参考。方法:采用文献研究法和专家函询法,基于目标驱动理论构建精神心理专科护士培训迁移方案,2024年1月—12月应用于浙江省某三级甲等医院精神卫生中心30名精神心理专科护士的院内再培养,比较该方案应用前后精神心理专科护士核心能力的差异,并验证其临床实践效果。结果:实施精神心理专科护士培训迁移方案后,专科护士核心能力总分(196.10±3.74 vs 182.30±6.73)和临床实践能力(58.47±1.11 vs 54.87±2.54)、咨询指导能力(30.97±5.62 vs 28.73±5.82)、护理管理能力(50.97±1.96 vs 46.77±2.82)、护理科研能力(34.23±1.22 vs 31.60±1.54)和专业发展能力(22.47±0.82 vs 21.33±1.12)5个维度得分均高于应用前(P<0.05)。结论:精神心理专科护士培训迁移方案的应用能够有效提升精神心理专科护士的核心能力,从而促进精神心理专科护理的高质量发展。
文摘面向推荐的对话生成任务旨在通过人机对话交互获取用户偏好,以实现精准推荐。针对现有研究工作存在对话推荐类型单一和生成回复质量低的问题,本文提出一种基于统一预训练语言模型(Unified Language Model pre-training,UniLM)的目标驱动的推荐对话生成模型(Goal Driven Recommendation-oriented Dialog Generation model, GDRDG)。该模型包括文本表示模块、多头编码模块、解码模块以及一种特殊的注意力掩码机制。其中,文本表示模块通过UniLM对输入文本进行向量化表示,确保模型能捕获文本的深层次语义特征;多头编码模块利用多头自注意力机制捕捉全局上下文信息,提高生成回复的连贯性和相关性;解码模块生成当前轮对话目标及基于该目标的回复,确保回复符合上下文并将对话向预期目标引导;特殊的注意力掩码机制则通过控制解码过程中的信息流,确保模型仅关注当前轮次相关信息,以提高回复质量。实验结果表明,GDRDG模型在BLEU、Distinct、F1和Hit@1等指标上均优于现有方法,验证了模型的有效性和先进性。
