摘要：针对静态词向量存在无法表示多义词,以及传统深度学习模型特征提取能力不足等问题,提出了结合ERNIE2.0(Enhanced language Representation with Informative Entities 2.0)的医疗中文命名实体识别模型。ERNIE2.0模型通过结合词的上下文具体语境进行动态学习,得到词的动态语义表征,解决了一词多义问题。使用BiSRU模型提取医疗文本高维全局序列特征,软注意力机制用于计算每个词的权重大小,由条件随机场输出命名实体的序列标记结果。在标准化数据集上的实验表明,ERNIE2.0-BiSRU-AT-CRF模型的F1值达到了86.74%,优于实验对比的其他模型,证明了模型的有效性。

摘要：目的:为提高医疗设备保障能力、维修能力,降低故障风险及平均故障时间,构建医疗设备精准化维修系统。方法:该系统基于数据驱动模式进行设计,采用中台系统实现数据驱动功能。整个系统包括数据存储层、公共技术层、服务层、业务层和展示层。数据存储层采用Ceph对象存储技术结合RESTful API、CephFS网络文件系统实现院内私有云数据访问并建立档案文件集中存储体系,采用librados为数据访问提供接口;公共技术层采用Kettle、预定义数据视图模板、数据视图映射、Kafka、Spark Stream、Kylin、Rapid Miner实现数据抽取-转换-载入、数据整合、流数据处理、统计挖掘等功能;服务层及展示层分别基于Spring Boot、React框架开发。结果:采用该系统后,医疗设备故障后的平均响应时间、平均故障分析时长、平均修复时间等指标均大幅缩短。结论:该系统将数据驱动模式引入医疗设备维修管理过程,有利于提高医疗设备维修保障效能。