期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于真实世界数据探讨中医药治疗非小细胞肺癌的用药规律 被引量:3
1
作者 李俊雅 史阳琳 +2 位作者 杨建雅 李亚 李素云 《药物流行病学杂志》 2025年第4期398-409,共12页
目的挖掘真实世界中医药治疗非小细胞肺癌(NSCLC)的组方规律及核心用药特征。方法通过医院信息系统(HIS)调取河南中医药大学第一附属医院呼吸科2020年1月1日—2023年12月31日NSCLC患者门诊处方数据,构建标准化中药数据库。采用Lantern ... 目的挖掘真实世界中医药治疗非小细胞肺癌(NSCLC)的组方规律及核心用药特征。方法通过医院信息系统(HIS)调取河南中医药大学第一附属医院呼吸科2020年1月1日—2023年12月31日NSCLC患者门诊处方数据,构建标准化中药数据库。采用Lantern 5.0软件构建隐结构模型,结合SPSS Modeler 18.0软件进行关联规则分析、SPSS26.0软件进行高频中药聚类分析,系统解析辨证用药规律。结果共纳入中药处方620首,涉及329味中药,总用药频次10461次。使用频次最高的中药依次为陈皮、茯苓、党参、黄芪等;药物类别以补虚类为主;药性以温性为主;药味以甘为主;归经多归肺经。获得20个核心方剂,如血府逐瘀汤等,核心药物组合以“女贞子-甘草-黄芪”“龙葵-薏苡仁-黄芪”等补气养阴、解毒散结的药对为主。结论治疗NSCLC的中药处方多用甘温之品,以扶正祛邪为治则,兼顾补气养阴、清热解毒、活血化瘀等法,核心方剂选用辨证结合血府逐瘀汤、百合固金汤等经典方剂化裁。通过对真实世界数据的挖掘揭示的组方规律及核心药群,为优化NSCLC临床治疗方案提供循证依据。 展开更多
关键词 非小细胞肺癌 中医药 真实世界数据 隐结构模型 关联规则 用药规律
原文传递
频繁子树模式在中心词识别中的应用研究 被引量:1
2
作者 田卫东 黄勇 《微电子学与计算机》 CSCD 北大核心 2015年第11期27-32,共6页
中文问句中心词识别领域中,现有方法未能有效利用依存句法中的深层统计关系.为解决此问题并探究中心词在词的多维属性上的统计关系,首次提出多维树概念,给出多维频繁模式挖掘方案并应用于中文问句中心词识别中.针对此应用给出频繁子树... 中文问句中心词识别领域中,现有方法未能有效利用依存句法中的深层统计关系.为解决此问题并探究中心词在词的多维属性上的统计关系,首次提出多维树概念,给出多维频繁模式挖掘方案并应用于中文问句中心词识别中.针对此应用给出频繁子树模式精简及规则冲突解决方案,训练出一个中文中心词识别模型.此方法是典型的客观方法,实验表明,此方法有较好的稳定性、适应性与鲁棒性,且较条件随机场模型在准确率上有进一步提高. 展开更多
关键词 条件随机场 依存关系树 频繁子树模式 模式精简 规则冲突 中心词
在线阅读 下载PDF
基于词模式规则的轻量级日志模板提取方法
3
作者 顾兆军 张智凯 +1 位作者 刘春波 叶经纬 《现代电子技术》 北大核心 2024年第21期156-164,共9页
传统基于规则的日志解析方法针对每类日志需单独编写规则,且随着系统更新,出现新的日志模式时,需人工再次干预;基于深度学习的日志解析方法虽准确率高,但计算复杂度高。为解决日志解析方法人力成本和计算复杂度高的问题,文中提出一种基... 传统基于规则的日志解析方法针对每类日志需单独编写规则,且随着系统更新,出现新的日志模式时,需人工再次干预;基于深度学习的日志解析方法虽准确率高,但计算复杂度高。为解决日志解析方法人力成本和计算复杂度高的问题,文中提出一种基于词模式规则的轻量级日志模板提取方法,该方法由初始规则集生成、词模式规则应用、潜在错误样本发掘三个部分构成。首先,原始日志基于自适应随机抽样获取彼此间相似度较低的代表性日志;然后,基于专家反馈提取初始词模式规则集,在词模式规则应用模块对原始日志进行处理并提取日志模板;最后,在潜在错误样本发掘模块检查生成的日志模板聚类,发现潜在的错误分类样本并对其进行规则集更新。经过实验验证,在16个公开日志数据集上,文中方法的平均准确度达到97.8%,与基于深度学习的日志解析算法准确度基本持平;在计算效率方面,文中方法的单线程解析速度达到每秒20000条,且随着可用内核数量的增加,性能持续提升,满足系统日志的故障诊断和安全分析需求。 展开更多
关键词 日志解析 模板提取 词模式规则 正则匹配 启发式策略 规则集
在线阅读 下载PDF
一种按字长匹配的Wu-Manber多模式匹配算法 被引量:2
4
作者 汪永进 顾乃杰 任开新 《小型微型计算机系统》 CSCD 北大核心 2013年第7期1650-1653,共4页
多模式匹配是串处理系统中最重要的操作之一,而Wu-Manber算法是多模式串匹配算法中平均性能表现最好的算法.针对Wu-Manber多模式匹配算法在规则集中存在短模式串时性能下降的问题,提出一种按字长匹配的多模式匹配算法.改进的算法是在32... 多模式匹配是串处理系统中最重要的操作之一,而Wu-Manber算法是多模式串匹配算法中平均性能表现最好的算法.针对Wu-Manber多模式匹配算法在规则集中存在短模式串时性能下降的问题,提出一种按字长匹配的多模式匹配算法.改进的算法是在32位机器上实现,哈希的字符块长度取2,每次匹配的单位由原来的一个字符变为一个机器字,缩小了访存时间,同时利用机器字长存储的特点合理设计哈希函数,加快了字符块哈希值的计算,极大的提高了有短模式串存在时模式集的匹配性能.与原Wu-Manber算法对比,当最短模式串长度小于6时,改进后的算法搜索时间平均缩短了40%.当最短模式串长度为2和3时,搜索时间缩短了60%以上. 展开更多
关键词 多模式串匹配 机器字 短模式串 规则集
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部