摘要：临床路径是一种人性化的医疗护理服务模式,可以为患者提供一些低成本、高效率、高质量的服务。临床路径的具体实施过程包括有计划准备、路径的准备、具体实施、

摘要：目的建立驼乳中布鲁氏菌的实时荧光PCR快速检测方法。方法根据布鲁氏菌外膜蛋白omp10基因的碱基序列,设计引物探针,从模拟布鲁氏菌污染的驼乳中提取布鲁氏菌DNA片段进行实时荧光PCR扩增检测。结果该方法从布鲁氏菌M5株中扩增出了特异性目的片段omp10,而对大肠埃希式杆菌等细菌的扩增结果均为阴性。经过10倍倍比稀释的模板进行检测,该方法的灵敏度为最低可检出2.31×10^(-4) ng/μL的DNA。标准曲线循环阈值与模板浓度呈良好线性关系,相关系数为0.9928,扩增效率E=0.97。结论建立的实时荧光PCR检测方法具有特异性强、灵敏度高的优点,为驼乳中布鲁氏菌病的早期预防及流行病学监测提供了有效的技术手段。

摘要：为解决将汉语人物简历翻译成维吾尔语版本所面临的高成本、低效率等问题,设计并实现了一种基于模板与词典相结合的人物简历汉维机器翻译系统。通过分析汉语简历的句子结构特点,泛化命名实体并自动创建汉语的简历模板,然后利用正则表达式建立汉维模板库并结合基于规则与词典的方法翻译命名实体,以获取维吾尔语的人物简历。实验结果表明,该系统在单语的情况下使用有限的模板和词典,BLUE值可达到0.38,与需要大规模双语语料训练的机器翻译系统相比具有较好的实际应用价值。

摘要：采用统计与实例的混合策略和翻译记忆技术相结合的方法设计并实现汉维计算机辅助翻译系统。采用该方法的汉维方向BLUE值达0.292 4,0.299 9,0.292 2,维汉方向BLUE值达0.328 4,0.328 6,0.303 1;另外,在面对日益扩展的语料库的压力时采用优化的信息检索技术,并根据同一篇文章有同一个主题的特点采用上下文相关问答技术,均使翻译准确率和译者工作效率有了明显提高。

摘要：为缓解目前维吾尔文机构名识别方法依赖于人工编写规则、识别效率低的问题,提出一种基于条件随机场模型(CRF)的维吾尔文机构名识别方法。根据维吾尔语的语言特性,结合词、词性、音节、机构名特征词表、地名词表等特征,实现维吾尔文机构名识别。实验结果表明,相比于基于规则的方法和隐马尔科夫模型(HMM),该方法不依赖于人工编写规则,识别的准确率和召回率较高。

摘要：以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。

摘要：为解决近年来使用依存分析等语法信息计算句子相似度存在的手工标注代价较大、自动标注准确率低影响性能等问题,结合现有的句子相似度算法,提出两种方法融合词性特征计算句子相似度。在高精度的自动词性标注基础上,方法一通过词性信息调整不同词性的单词对句子相似度的影响,方法二使用词性信息选择句子中较为关键的单词进行计算。对比实验中,方法一在实验任务中取得了最高的准确率,方法二具有较优的准确率和较快计算速度,实验结果表明了两种方法的有效性。

摘要：目的运用热对流PCR技术检测乳品中布鲁杆菌。方法根据布鲁杆菌保守基因序列,设计合成引物和探针,通过优化反应体系,配合商品化核酸提取试剂盒,建立检测乳品中布鲁杆菌的热对流PCR方法,并与常规荧光定量PCR方法的敏感性与特异性比较,以验证该检测方法的可靠性。结果热对流PCR检测敏感性与常规荧光定量PCR检测敏感性基本一致,差异无统计学意义(t=85.500,P>0.05),且该布鲁杆菌热对流PCR方法能检测出的乳品样本中布鲁杆菌含量最低浓度为10 cfu/ml;含有大肠杆菌、溶血性链球菌、克雷伯杆菌、金黄色葡萄球菌、绿脓杆菌的乳液经扩增,均为阴性结果;只有含布鲁杆菌乳液的阳性对照,经热对流PCR仪扩增后结果显示为阳性;热对流PCR方法(22.3%)与常规荧光定量PCR方法(24.1%)阳性检出率差异无统计学意义(χ^(2)=0.250,P>0.05)。结论热对流PCR方法检测乳品中布鲁杆菌可靠性高、扩增反应时间短、方便快捷、仪器成本低廉,适用于基层现场检测病原。

摘要：针对语料不足引起的维吾尔语-汉语量词短语翻译性能不佳及歧义量词的翻译结果乱等问题,提出基于多编码器多解码器的维吾尔语-汉语量词短语神经机器翻译方法。将汉语语料进行自动处理和筛选,收集包含量词的维吾尔语-汉语量词短语语料,使用多编码器多解码器结构,搭建具有更强生成能力的多编码器多解码器维汉神经机器翻译模型。计算BLEU值得到了36.41,并通过对比实验结果,验证了所提方法的有效性。

摘要：针对传统情感分类方法未考虑文本间的深层语义关系,过于依赖背景知识并且忽略文本间情感极性的弊端,结合维吾尔语语言特征以及词语间的情感特征,探索基于word embedding和BI-LSTM的维吾尔语文本情感分析方法。结合词语间的情感特征,利用word embedding构建词向量,获取文本的情感及语义表示;通过训练双向LSTM深度学习模型,实现维吾尔语情感分类。同等条件下,与RNN、CNN、SVM等方法进行对比,对比结果表明,该方法可以有效提高维吾尔语文本情感分类的准确率。