XiaoMi-AI文件搜索系统
World File Search System多词
在神经内分泌肿瘤中对分子成像和疗法的共识
Ambrosi V.，Kunikowska J.，Baudin E.，Bodei L.，Book C.，Capter J.和Al。 （2021）。 共识我们在神经内分泌Neoplasms中打印和热词。 欧洲癌症杂志，146，56-73 [10.1016/j.ejca.2021.01.008]。Ambrosi V.，Kunikowska J.，Baudin E.，Bodei L.，Book C.，Capter J.和Al。（2021）。共识我们在神经内分泌Neoplasms中打印和热词。欧洲癌症杂志，146，56-73 [10.1016/j.ejca.2021.01.008]。
使用 LSTM 网络进行基于上下文的文本生成
基于序列的模型上的长短期记忆 (LSTM) 单元因其学习长期依赖关系的能力而被用于翻译、问答系统和分类任务。在自然语言生成中，LSTM 网络通过学习具有语法稳定的句法的语言模型，在文本生成模型上提供了令人印象深刻的结果。但缺点是网络不会学习上下文。网络只学习输入输出函数，并根据一组输入词生成文本，而不考虑语用。由于模型是在没有任何此类上下文的情况下训练的，因此生成的句子之间没有语义一致性。所提出的模型经过训练，可为给定的一组输入词生成文本以及上下文向量。上下文向量类似于段落向量，它掌握句子的语义（上下文）。本文提出了几种提取上下文向量的方法。在训练语言模型时，除了输入输出序列之外，还会与输入一起训练上下文向量。由于这种结构，模型可以学习输入词、上下文向量和目标词之间的关系。给定一组上下文术语，训练有素的模型将围绕提供的上下文生成文本。基于计算上下文向量的性质，该模型已尝试了两种变体（单词重要性和单词聚类）。在单词聚类方法中，还探索了各个领域之间的合适嵌入。根据生成的文本与给定上下文的语义接近度来评估结果。
Akeso在2023年及以后
本演示文稿中传达的信息包含某些或可能正在寻找的陈述。这些陈述通常包含诸如“意志”，“期望”，“相信”和“预期”和类似导入的词等词。从本质上讲，前瞻性陈述涉及风险和不确定性，因为它们与事件有关，并取决于将来会发生的情况。目前可能有其他材料风险，或者公司及其顾问或代表不了解这些风险。这些前瞻性陈述并不是未来绩效的保证。在这些不确定性的背景下，读者不应依靠这些前瞻性陈述。公司不承担更新前瞻性陈述或使其适应未来事件或发展的责任。
人工智能能帮助众包吗？基于理论的众包竞赛创意筛选模型
1 我们不使用 Berger 和 Packard 的基于潜在狄利克雷分析 (LDA) 的方法，因为它提取了最流行 (常见) 的主题 (维度)，例如词束。LDA 方法在新产品创意的背景下可能会出现问题，因为 LDA 可能会将新颖和独特的词归类为“错误”。成功的新产品创意往往是新颖或独特的 (Dahl and Moreau 2002；Toubia 2006)。在众包创意竞赛中，在创意级别而不是主题级别捕捉非典型性的指标可能更胜一筹，因为它不会筛选出这些新颖或独特的创意。
中国和苏联飞机的北约报告名称
从 1954 年起，航空标准协调委员会 (ASCC) 为中国和苏联飞机分配了代号。鉴于西方对真实名称的不确定性，这一点至关重要。该方案使用以 B（轰炸机）、C（运输机）、F（战斗机）、H（直升机）、M（包括教练机在内的其他飞机）开头的单词。对于固定翼飞机，单音节词用于螺旋桨飞机，而双音节词用于喷气式飞机。1954 年之前，北约使用美国空军型号编号系统，范围从 1 到 40，但在描述变体时灵活性较低。在适当的情况下给出型号。
酪氨酸激酶抑制剂的全球研究趋势
背景：酪氨酸激酶抑制剂（TKI）在多种肿瘤的治疗中取得了革命性的成果，每年都有大量关于该主题的研究发表，一些已发表的综述为我们了解TKI提供了很大的价值，但对TKI研究的知识结构、文献计量分析和可视化结果的研究尚不足。目的：本文旨在通过共词分析和文献可视化的方法，探究TKI研究的知识结构、热点和演变趋势，帮助该领域的研究者全面了解现状和趋势。方法：从Web of Science中检索2016年至2020年发表的所有关于TKI的学术论文，通过统计论文中的关键词，通过提取关键词间的共现关系生成共词网络，然后通过计算整体网络和局部网络的网络指标，对社区进行细分，识别TKI研究的子方向。绘制了关联网络拓扑结构，包括TKIs子方向内和子方向之间的网络，揭示不同子方向之间的关联和结构。此外，我们结合关键词的爆发权重和持续时间来检测关键词爆发，以揭示TKIs研究重点的变化。最后，生成演化脉络和战略图以揭示TKIs研究趋势。结果：从5584篇论文标题中获得6782个独特词（总频率26,175）。最后，经讨论，以10为阈值，选取296个高频词，总频率占比65.41%（17,120/26,175）。对爆发学科的分析发现，TKIs研究的爆发词数量每年都在变化，尤其是在2019年和2020年，例如HER2、吡咯替尼、二代测序、免疫治疗、ALK-TKI、ALK重排。通过网络计算，TKIs共词网络分为6个社区：C1（非小细胞肺癌）、C2（靶向治疗）、C3（慢性粒细胞白血病）、C4（HER2）、C5（药代动力学）、C6（ALK）。脉络图显示出非小细胞肺癌脉络、慢性粒细胞白血病脉络、肾细胞癌脉络、慢性淋巴细胞白血病脉络等几个清晰且连续的演变趋势。在战略图中，C1（非小细胞肺癌）为核心方向，位于第一象限，C2（靶向治疗）正好位于第一与第四象限的交界处，即C2处于发展阶段；C3（慢性粒细胞白血病）、C4（HER2）、C5（药代动力学）均尚未成熟，位于第三象限。结论：通过共词分析和文献可视化，揭示了2016年至2020年TKIs研究的热点、知识结构和发展趋势。TKI研究主要集中于针对不同肿瘤的靶向治疗，
复合词加工中的透明度和中心性：词汇决策研究
复合词加工中的透明度和中心性：一项词汇决策研究 SARAH STEINKE 和 WEIYI ZHAI 1 摘要 在本研究中，我们调查了词汇透明度和中心性对英语复合词加工的影响。 先前涉及复合词语义启动的研究表明，至少部分透明的复合词的单个成分在加工过程中被激活（例如 Jarema、Busson、Nikolova、Tsapkini 和 Libben，1999 年；Sandra，1990 年）。我们假设，在词汇决策任务中，当受试者被与一个成分相关的词（尤其是透明或中心成分）启动时，他们对复合词的平均反应时间会更快。我们的结果与先前的研究基本一致，即与相关词配对的透明复合词的反应时间比与不相关的词对配对的反应时间更快，但透明复合词有一些例外。我们的结果为复合词加工和基于词素的词汇组织过程中的成分激活提供了支持。关键词：复合词、扩散激活、词汇决策任务 (LDT)、透明度、中心性 1.0 简介 语言学家和认知心理学家对于单个单词在心理词典中是如何组织和访问的有很多悬而未决的问题。 词汇条目可能对应于单个单词。或者，词汇表征可以对应于词素，多个词汇条目可以组合成一个单词。这意味着多词素词，如 surprise，是由两个条目组成的，例如 surprise 和 -ed 。按词素组织词汇条目将减少词典中必须包含的总表征数量，同时还能表示简单词（如 surprise）和形态复杂词（如 surprise ）之间的关系。然而，复合词在心理词典中是如何表征的尚不清楚。复合词，例如 oatmeal ，由两个词素组成，说话者认为它们是独立的词。复合词中的每个词素称为成分，应具有独立于复合词的单独词汇条目。但是，复合词作为一个整体可能仅由其成分（基于词素的表示）或单独的词汇条目（基于单词的表示）表示。更好地理解复合词的心理表征将提供有关词汇结构的更多信息，并可能提供有关我们在处理语言时访问词汇条目的方式的信息。为了探索这个问题，我们使用复合词进行了词汇决策实验。本研究的结果为某些类型的复合词基于词素的词汇组织提供了支持。我们在本文中探讨了这个问题，其结构如下：第 2 节讨论了以前的研究。第 3 节解释了我们实验中使用的方法。第 4 节包含实验结果，最后在第 5 节中，我们讨论这些结果以及我们研究的含义和局限性。