关键词： 教育资源库   全文检索   主题索引   查询扩展   资源融合  

摘要： 近年随着互联网技术的快速发展,大规模在线教育平台的研究与应用受到了学术界和企业界的广泛关注。在线教育平台上的教育资源越来越多,如何有效地管理海量的教育资源并提供高效便捷的查询服务,是平台需要解决的关键问题。传统的信息检索技术大多集中在关键词搜索方面,而在大规模的在线教育平台中,使用关键词搜索教育资源并生成用户需要的教学内容,过程十分繁琐且效率低下。为解决上述问题,本文在构建多源教育资源库的基础上,研究针对教育资源的信息检索与融合关键技术,以实现一键式的教育资源检索。本文的主要研究工作包括:1)根据教育资源的特征构建合理的教育资源模型,并以此为基础提出多源教育资源库的集成方案。针对教育资源模型的管理特性对Lucene的倒排索引的存储结构进行了优化,构建出用于资源检索的教育资源全文索引库。2)根据LDA主题模型的统计特征数据提出了教育资源主题索引的概念,通过LDA主题建模和主题层次聚类的方法分析并构建教育资源隐含主题的层次关联结构。基于教育资源主题索引对用户查询进行语义处理,弥补查询语义的不足,解决查询词与文档用词不匹配的问题,提高资源检索的查全率和查准率。3)以Lucene的检索引擎为基础,依据教育资源全文索引库的组织方式以及语义处理后的用户查询结构,自动生成检索方案,提出教育资源检索的流程和相关度排序算法,以获得高效的检索性能,并确保检索出的资源文档能够满足用户查询的需求。4)针对传统的信息检索方式的不足,提出了一种用查询提纲表述用户查询需求的方法。并基于查询提纲的结构设计了合理的检索资源融合方案,通过用户查询分解、查询语义处理、教育资源检索、检索资源筛选、相关内容抽取和检索内容整合来实现一键式的教育资源检索,能够根据用户查询快速生成所需的教学内容,方便了用户的查询和使用。5)在上述研究成果的基础上,本文设计并实现了一个提供教育资源检索与融合服务的原型系统EDUSE,并通过一个复习讲义的查询示例,表明了本文提出的一键式教育资源检索方式可以很好地支持多源教育资源库的信息检索与融合,快速生成用户查询所需的各种教学内容。同时,针对教育资源检索的效率和准确性两个方面分别进行了实验,验证了本文研究成果的有效性。

关键词： 计算机辅助诊断   深度学习   肺部结节   智能分析   基于内容图像检索   高维数据库  

摘要： 当前在我国肺部疾病尤其是肺癌的发病率和死亡率在所有癌症中均排在第一,因此对于肺癌的早期防治以及确诊之后的及时治疗变得尤为重要。计算机辅助诊断已在一些医学领域取得媲美人类专家的诊断水平,但在肺部疾病的诊断中还存在准确率较低,而治疗不够精确等临床问题,尤其对肺部小病灶(<20mm)的良恶性鉴别诊断及肿瘤的病理属性“无创活检”(Noninvasive biopsy)分析等。针对以上问题和挑战,我们采用深度学习卷积神经网络(Deep Learning Convolutional Neural Network)等最新人工智能处理技术开展对病人CT图像中肺小结节(尺寸<20mm)进行良恶性鉴别、对病人非小细胞肺癌(尺寸?20mm)进行病理(癌细胞)类型“无创活检”智能分析研究,并将深度学习卷积神经网络技术与基于内容医学图像高维检索(CBIR)技术相结合,设计了一套利用深度学习卷积神经网络技术进行特征提取的医学图像高维检索系统,提高计算机辅助诊断的准确率及术前活检的“无创”化程度,帮助临床医生更快、更准确的进行疾病诊断和治疗。本论文的主要创新性研究工作包括以下几个方面:1.研究设计了基于深度学习卷积神经网络(CNN)算法的肺部微小病灶(尺寸<20mm)CT图像良恶性鉴别方法,该方法利用深度学习卷积神经网络算法对病人CT影像数据中的肺结节良恶性进行鉴别。其基本流程包括深度学习卷积神经网络系统的设计,病人图像及病理数据的采集及预处理,深度学习卷积神经网络模型的训练和卷积神经网络模型鉴别病人肺结节CT图像良恶性。本研究共采集三个数据来源(美国TCIA、复旦大学附属华东医院、复旦大学附属肿瘤医院)共921例肺部小结节病人CT(4830幅原始图像,20000幅增强处理)图像进行训练和验证,设计了适用于小尺寸图像数据的卷积神经网络,并由采集的部分数据进行网络模型训练,由训练模型对测试数据进行良恶性鉴别验证,并生成模型分类器的ROC曲线,并由此得到曲线下面积(AUC),对网络模型的鉴别性能进行量化评价(AUC=0.6497)。分析了深度学习网络模型对不同尺寸结节的鉴别准确率,实验结果表明,网络模型的鉴别准确率与肺结节尺寸有关,结节尺寸越大,鉴别的准确率越高。分析了深度学习网络对不同影像类型结节的鉴别准确率,实验结果表明,深度学习模型对于实性结节的鉴别准确率高于半实性结节和磨玻璃结节。分析了深度学习网络对不同数据中心影像数据良恶性鉴别的准确率,结果表明深度学习网络模型对不同数据中心肺结节病人CT图像的良恶性鉴别准确率没有较大差异。2.首次研究了基于深度学习卷积神经网络的非小细胞肺癌(尺寸?20mm)CT图像病理特性“无创活检”智能分析技术,该技术通过病人的CT影像数据对非小细胞肺癌的病理特性(癌细胞类型)进行分析。其基本流程包括深度学习网络系统的设计,病人图像及病理数据的采集及预处理,深度学习卷积神经网络模型的训练和卷积神经网络模型分析非小细胞肺癌病人CT图像病理特性。我们采集了三个数据来源(美国TCIA、复旦大学附属华东医院、复旦大学附属肿瘤医院)共452例非小细胞肺癌患者的(4375幅原始)CT图像进行训练和验证,设计了一个深层卷积网络结构,使用迁移学习(Transfer Learning)思想利用采集的数据对(CNN)网络进行训练,借助二分类问题中的灵敏度和特异度对网络模型的分析性能进行评测,并由ROC曲线以及AUC值对性能进行直观的量化评价(大细胞癌AUC值为0.6422,鳞癌AUC值为0.6088,腺癌AUC值为0.6831)。比较了不同病灶区域提取尺寸下,深度学习网络分类性能的差异。同时比较了深度学习网络模型对各医院(数据来源)病人数据的分析性能,在肺腺癌的预测中,对不同数据中心的分析准确率存在差异。3.研究实现了一种新的基于内容医学图像高维检索(Content-Based Image Retrieval,简称“CBIR”)系统,该系统对肺部孤立性结节的CT图像进行病灶提取、特征提取及选择,并对病灶区域的高维特征矢量使用VA-Trie索引结构创建高维特征数据库。测试结果表明,使用VA-Trie索引结构可以有效地避免高维数据索引过程中常见的“维度灾难”问题。借助于VA-Trie索引结构,CBIR检索系统的索引时间并没有随着数据维度以及数据量的增加而出现明显变化,索引性能可以得到有效保证。同时,研究了使用深度学习卷积神经网络进行肺部孤立性结节的CT图像特征提取方法,并结合VA-Trie索引结构创建基于内容的医学图像高维检索(CBIR)系统,测试结果表明使用深度学习卷积神经网络对图像进行特征提取所构建的CBIR检索系统,其检索准确率要高于常规图像特征筛选方式构建的CBIR系统。

关键词： 空间信息   语义   查询扩展   信息检索   特征属性   相似度  

摘要： 近年来,随着地理信息数据众包思想的兴起,VGI数据正在以爆炸式的方式增长。OpenStreetMap作为VGI之中的最具代表性的项目之一,其数据在各个领域都在被广泛的应用,空间信息的检索愈加凸显出重要的作用。同时非专业人员在这一检索活动中的比重也大幅提高。这些用户一般采用简单的关键词进行检索,其特点是要求简单、实现容易,但实际检索结果常常与用户所期望的结果间存在着很大的差距。为了使检索的结果更为精确,人们进一步构造了可对各种关键词进行多种组合的检索方式,该种方式可获得更好的检索结果,但大多数用户由于没有经过检索培训,难以很好地利用这种组合检索方式来构造复杂的检索策略,使得这类复杂的组合式检索难以在大多数非专业人员中使用。如何为用户提供一种基于简单关键词检索的方式,使用户可以利用简单的相关地理信息关键词检索到全面精确的相关信息,是国内外信息检索界广泛关注和着力解决的关键问题之一。由于空间数据的海量特点、空间数据服务的异构性、用户需求表达的模糊性等问题,空间信息的获取、查询和检索存在着较多的难题。其中,空间信息检索具有显著的时间和空间特性,它是信息检索的一个特殊应用领域,其特殊性主要表现在相似性检索、时空关联检索、知识的不确定性等方面。传统的基于关键词字符串匹配的信息检索技术已无法满足空间信息检索的特殊需求,从而需要基于语义的更深层次的信息查询和匹配技术支持。语义本体技术作为一种新型的知识组织和表达方式,具有良好的概念组织结构和对逻辑推理的支持,在信息检索领域特别是在基于知识的语义化检索方面得到了飞速的发展和广泛的应用。基于本体的语义描述和推理方法,为空间数据服务中用户需求的解析和理解、空间信息资源的语义化描述和匹配、领域知识的形式化描述和推理分析等关键技术问题的解决提供了可行的途径和有力的工具,将有效地提高空间数据服务的检索效率和智能化程度。本研究针对现在空间信息检索用户一般使用简单语句进行查询,对检索服务希望简单易实现的要求,设计了针对空间信息检索语句自然语言处理的用户查询意图识别方法。并且,利用OSM数据中的Tag标签的可扩展性,结合空间信息语义特征,在标签中扩展了空间信息的属性特征信息项和值,并对其扩展后的模型设计了一种基于空间信息语义属性相似度的查询扩展方法。该方法能在空间信息检索中,将用户的简单输入进行扩展,以达到对相关结果更广泛更准确的匹配。使得日益增长的空间信息检索需求,能够以更好的用户体验性和更高的检索效率来服务使用者。研究中主要包括了以下几方面内容:(1)结合传统的自然语言处理方法,通过构建空间信息概念语义词典、地名词典和空间关系语义词典,设计了一种面向空间信息检索的优化的自然语言处理方法。该方法以空间信息语义词典为语料基础,能更好的对空间信息检索语句进行拆分和理解,提取查询中心词和真实查询意图。由于词典的支撑,对特定空间地名的识别更加准确,避免了查询偏移的发生。(2)面向OSM的数据特征,有效利用其开放式Tag标签的可扩展性,为空间数据的语义特征提供一个良好的属性扩展平台;合理的空间数据语义属性归纳和总结,梳理属于空间数据独有的语义特征,并将语义属性扩展到OSM数据模型中,为空间数据的深度分析和查询扩展提供数据基础。(3)针对不同类型的空间信息语义属性,建立基于语义的空间信息相似度计算模型与方法,根据空间信息间的相似度量化值,将与关键词最相似的空间概念或实体加入到查询扩展集合中,使得空间检索的结果查全率和查准率有效提高。(4)基于OSM数据,设计了空间信息语义相似度查询扩展服务系统,并设计了相关实验,论证本文方法对于空间信息数据检索的有效性,为后续的空间信息检索研究提供可以参考和借鉴的思路与案例。

关键词： 翻转课堂   医学信息检索   教学改革  

摘要： 近年高校的许多课程都在进行教学改革,改革的方式也是各种各样的。翻转课堂是以国外的慕课为背景,结合国内的教学模式而推出的教学模式。文中主要讨论了翻转课堂在高校中的推广困难以及翻转课堂在医学信息检索课程教学改革中的意义。

关键词： 数字图书馆   信息检索技术   概念   发展趋势  

摘要： 随着大众生活水平的提高,对知识的追求也越来越热情,图书馆的建设成为一项重要的事业,而在信息化时代,建设数字图书馆成为必然,与之相关的各种数字技术体系的完善也必不可少。本文探讨了数字图书馆的信息检索技术问题,文章从阐述数字图书馆概念、信息检索技术概念入手,进一步介绍了数字图书馆的信息检索技术,最后分析了数字图书馆信息检索技术的发展趋势。

关键词： 中小学图书馆   文献检索方法   信息检索服务   图书馆读者   电子资源   信息素养   获取信息   报刊  

摘要： 面对图书馆大量的图书、报刊、电子资源,中小学师生尤其是学生往往感到无从下手。因此增强中小学图书馆读者的文献信息素养,培养他们掌握一定的文献检索方法,提高他们利用图书馆获取信息的能力是十分必要的。

关键词： 信息检索   特点   途径  

摘要： 在信息时代，图书馆的发展趋势是网络化、数字化和虚拟化，这种发展趋势决定了图书馆系统需要承担更多的教育职能。因此，拥有一支多学科、多专业、知识广博、经验丰富、锐意进取的信息素质较高的人才队伍，是图书馆在新时期赖以生存的坚实基础，也是持续发展的动力。

关键词： SPOC   信息检索与利用   教学模式  

摘要： SPOC是一种小规模、限制性的在线课程学习模式,能促进慕课与传统课程教学的深度融合。本研究结合SPOC教学模式的特点和石河子大学《信息检索与利用》课程现状,探讨构建基于SPOC的《信息检索与利用》教学模式,为全国各高校开展SPOC"混合式"教学提供参考。

关键词： 云计算   大数据   信息检索技术  

摘要： 信息技术的发展使得信息化时代逐渐到来,信息数量呈现出了一种爆炸性增长的趋势,而云计算以及云存储的出现,也在一定程度上加快了大数据的产生,对于信息检索的效率也提出了较高的要求。本文结合云计算以及大数据的有关概念,对大数据信息检索技术进行了分析和讨论。

关键词： MOOC   教学平台   网络教学模式  

摘要： 大规模开放在线开放课程MOOC(Massive Open Online Course),是一种开放共享的网络教学模式,它因颠覆了传统的教学模式而深教育界关注。MOOC平台与传统教学平台的根本区别就在于,MOOC平台更注重学生的自主学习和师生间的交流互动。以《信息检索与利用》MOOC课程的学习环节为主线,结合MOOC平台功能特点,探讨MOOC教学平台建设思路、使用过程中遇到的问题及建议。