XiaoMi-AI文件搜索系统
World File Search System数据挖掘
HIV感染风险研究中的数据挖掘和机器学习研究：概述和建议
在当代时代，数据挖掘和机器学习的应用已广泛地渗透到医学研究中，这显着促进了诸如HIV研究之类的领域。通过审查过去15年中发表的38篇文章，该研究根据七个不同方面介绍了路线图，利用新手研究人员和经验丰富的研究人员都利用各种机器学习技术来理解该领域的当前艺术状况。通常使用了传统的回归建模技术，但RE搜索者越来越多地采用更先进的完全监督的机器学习和深度学习技术，这些技术通常优于预测性能中的传统方法。此外，该研究还确定了9个新的开放研究问题，并概述了未来的研究计划，以增强HIV感染风险研究的结果。这篇评论有望成为研究人员的有见地的指南，阐明当前的实践并提出该领域的进步。
基于数据挖掘与网络药理学的肺经风热型痤疮中药用药研究
摘要 ：肺经风热证痤疮是一种常见皮肤病，中药方剂较多，但其作用机制仍不明确。本文收集整理了近二十年治疗肺经风热证痤疮的文献及专利方剂，采用Excel 2019进行用药频次统计，使用IBM SPSS 25.0进行聚类分析，获取核心方剂。运用网络药理学收集药物与疾病相关靶点，构建作用网络，进行富集分析，共获取137首方剂、167种药物，核心方剂为桑白皮、枇杷叶、黄芩、甘草、栀子、生地、丹皮。治疗肺经风热型痤疮应从清热泻肺、凉血解毒入手，核心方药主要通过AKT1、IL6、TP53、TNF、VEGFA、EGF靶点及卡波西肉瘤相关的疱疹病毒感染、麻疹、弓形虫病、EB病毒感染、IL-17、MAPK等信号通路发挥作用，以期为进一步的临床研究提供参考。
日本艾滋病毒感染者不良事件报告特征：日本艾滋病毒感染者不良事件数据挖掘
新型抗艾滋病毒药物的开发和抗逆转录病毒疗法 (ART) 方案的进步使得艾滋病毒感染者 (PLWH) 的治疗时间更长、更有效。然而，PLWH 的老龄化是另一个需要解决的问题。除了 ART 之外，许多 PLWH 还经常接受治疗各种合并症的药物治疗。然而，关于 PLWH 发生不良事件及其致病药物的真实世界数据很少。因此，本研究旨在阐明日本 PLWH 不良事件报告的特点。使用日本不良药物事件报告数据库 (JADER) 对发生不良事件的 PLWH 病例进行了全面搜索和分析。尽管指南推荐的 ART 方案有所变化，但在整个研究期间，抗 HIV 药物是 PLWH 不良事件的主要原因。然而，在 JADER 中注册为致病药物的抗 HIV 药物类别的报告率存在相当大的差异，尤其是主力药物。换言之，近年来整合酶链转移抑制剂的报告率有所增加，而蛋白酶抑制剂和非核苷逆转录酶抑制剂的报告率有所下降。免疫重建炎症综合征是报告最多的不良事件，并且经常被管理 HIV 感染患者的医疗保健提供者注意到。女性和老年患者的不良事件报告趋势与总体人群不同。这项研究可能提供有助于制定艾滋病毒感染者最佳管理策略的见解。
新知识管理模型：通过Zack差距，品牌权益和体育业务中的数据挖掘来增强知识创建
摘要 - 这项研究通过将其与Zack的知识差距模型，品牌权益概念和数据挖掘相结合来改善社会化，外部化，组合和内在化（SECI）知识管理模型。Zack的模型被整合到SECI模型中，以确定组织中知识与组织应拥有的知识之间的差距。我们添加数据挖掘技术来确定知识差距。这项研究的独特性在于SECI模型的外部化和组合。在外部化中添加了“公司必须知道的内容”；为此，我们通过采用品牌权益并将其分配给运动员来编译问卷。在组合中添加了“公司所知道的”；我们使用体育业务管理已经拥有的数据库。在这项研究中进行了两个模型带有数据挖掘的模型所产生的修改，以在体育商业领域开发新的知识管理模型。这种新模式将成为体育业务管理的宝贵知识，以制定战略并提高体育市场的竞争力。此外，除运动外，其他服务业务领域还可以应用这种新模型来改善其知识管理，然后他们可以用来改善其营销策略。
日期：-06.11.2024 UPES，DATESHEET（SEM-I）
CSVT4013P-container编排和基础设施自动化/CSBA4022P-DATA仓库和数据挖掘和数据挖掘/CSSF4016P伦理hacke anck-Enterration ancteration and渗透测试/csbl4003p-blockchain Compentes and COMMANTENTENT and CONTINTINCE CONTERTINC编排
基于数据挖掘方法确定微小RNA在人类胃癌自我更新、转移和耐药性中的作用：系统
* 通信地址：POBox：16635-148，干细胞和发育生物学系，细胞科学研究中心，鲁瓦扬干细胞生物学和技术研究所，ACECR，伊朗德黑兰 电子邮件：m.ebrahimi@royan-rc.ac.ir 收稿日期：2019 年 12 月 9 日，接受日期：2020 年 5 月 9 日 摘要 胃癌 (GC) 是全球癌症相关死亡的主要原因之一。GC 患者的主要问题是缺乏对治疗的适当反应、耐药性和转移，这是由于肿瘤内存在一类称为癌症干细胞 (CSC) 的细胞亚群。此外，据报道，在 GC 的不同阶段都存在微小 RNA (miRNA) 的失调。本研究的目的是确定和引入有助于调节 GC 中的干性、转移和耐药性的 miRNA。作为一项系统回顾，我们对可用数据集进行了数据挖掘，并回顾了以前的研究，以选择靶向干性、上皮间质转化 (EMT) 和耐药性的 miRNA。所有选定的 miRNA 都通过 R 软件进行分析，以找到这三个过程的共同 miRNA 靶标。然后，分别使用生物信息学工具、ONCO.IO 和 KEGG 数据库获得 miRNA 及其相关信号通路的靶标预测。我们从搜索方法中确定了七个 miRNA（miR-34a、miR-23a、miR-27a、miR-30a、miR-19b、miR-107、miR-100）。这些 miRNA 调节有助于 GC 干性、EMT 和耐药性的通路。四种 miRNA（miR- 34a、miR-23a、miR-30a 和 miR-100）彼此之间存在显著相互作用，其中 52 个靶基因参与调节多种生物过程，其中 MYC、CDK6、NOTCH1、NOTCH2、SIRT1、CD44、CD24 和 AXL 参与调节多种生物过程。这些数据表明，这三种重要特性可由常见 miRNA（hsa-miR-34a、hsa-miR-23a、hsa-miR-30a 和 hsa-miR-100）调节。因此，针对选定的 miRNA 或其靶标可能有助于阻止肿瘤生长和转移发展，并增加肿瘤对化疗药物的敏感性。该特征也可用作转移或耐药性的早期检测。然而，还需要进行更多实验来验证这些结果。关键词：耐药性、胃癌、转移、microRNA、干细胞
将模式集与Jaccard索引
从数据挖掘以来，从数据挖掘和统计建模的能力也一直是数据挖掘的驱动力。可操作的知识通常采用模式的形式，其中一组先例可用于推断结果。在本文中，我们为比较不同模式集的问题提供了解决方案。我们的解决方案允许在不同技术（例如不同的分类算法）中获得的一组模式或从不同的数据样本（例如时间数据或出于隐私原因扰动的数据）进行比较。我们建议使用Jaccard索引通过将每个模式转换为集合中的单个元素来测量模式之间的相似性。我们的措施着重于提供概念简单，计算简单性，可解释性和广泛的适用性。在现实世界数据挖掘方案的背景下，将此度量的结果与预测准确性进行了比较。
定义教育人工智能、计算机支持的协作学习、教育数据挖掘和学习分析之间的界限：需要连贯性
在过去的 20 年里，教育和技术这个广阔的领域中出现了一系列学科。自 20 世纪 80 年代初以来，人工智能与教育（AIED）这个广阔的领域应运而生，旨在结合人工智能（AI）、学习理论和教育实践来改善学习者使用计算机的学习成果（Boyd 等人，1982 年；Holmes 等人，2019 年）。在 AIED 领域中，基于计算和机器学习的力量出现了各种研究子领域，例如智能辅导系统（Aleven 和 Koedinger，2002 年）、自适应超文本系统（Eysink 等人，2009 年；Romero 等人，2009 年）和计算机支持的协作学习（CSCL）。自 20 世纪 90 年代初以来，出现了一系列 CSCL 出版物，探讨学习者和教师如何使用计算机在线协作。大量 CSCL 研究（例如 Gunawardena，1995 年；Roschelle 和 Koschmann，1996 年；Fischer 和 Mandl，2005 年；Rienties 等，2009 年）发现，支架、自我调节、任务设计和教学临场感是鼓励学习者有效合作的重要概念。2000 年代中期，第三批研究人员（例如 Baker 和 Yacef，2009 年；Rosé 等，2014 年）开始使用教育数据挖掘 (EDM)，利用更大的数据集和增加数据之间的互连来探索学习过程。自 2011 年以来，出现了第四个研究领域，即学习分析 (LA)，它专注于理解复杂的