[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced...
详细信息
[目的/意义]农业场景下的知识服务具有周期性长、活动时间长的特点。传统推荐模型无法有效挖掘农业场景下的基于农时的隐藏信息。针对上述问题,提出一种融合时间感知和增强过滤的农业知识个性化推荐模型(Time-aware and Filter-enhanced Sequential Recommendation Model for Agriculture Knowledge,TiFSA)。[方法]首先,基于时间感知的位置嵌入方法,将农户交互的时间信息与位置嵌入相结合,帮助学习农业情境下基于农时的项目相关性。其次,在时间感知位置嵌入的基础上,引入滤波器过滤算法,自适应地衰减农户情境数据中的噪声。最后,引入时间信息的多头自注意力网络,实现对时间、项目和特征的统一建模,对农户随时间变化的偏好特征进行情境表示,从而为用户提供可靠的推荐结果。[结果和讨论]根据“全国农业知识智能服务云平台”中的用户交互序列数据集进行实验。结果表明,该模型在农业数据集上的命中率为45.79%,归一化折损累计增益为53.52%;与近几年性能最佳的模型Ti-SASRec相比分别提升16.19%和14.02%。[结论]该模型能够有效捕获农业领域的用户情境特征和建模农户的动态偏好,具有更好的推荐性能。
目的:探究双层软组织缝合封闭技术在单纯应用抗骨吸收药物引起的发生在下颌骨的中早期药物相关性颌骨骨坏死(medication-related osteonecrosis of the jaw,MRONJ)患者手术治疗中的临床应用效果。方法:选择2021年10月至2022年9月于北京...
详细信息
目的:探究双层软组织缝合封闭技术在单纯应用抗骨吸收药物引起的发生在下颌骨的中早期药物相关性颌骨骨坏死(medication-related osteonecrosis of the jaw,MRONJ)患者手术治疗中的临床应用效果。方法:选择2021年10月至2022年9月于北京大学口腔医院四病区经手术治疗的中早期下颌骨MRONJ患者的病历资料进行回顾性分析,收集患者术前基线临床资料,包括原发疾病、伴发疾病、用药方案(药物种类、用药时长)、MRONJ分期、临床症状、影像学表现等,所有患者在手术中行下颌骨边缘切除术去除坏死骨,运用双层软组织缝合封闭技术关闭伤口,术后定期复查随访,评价双层软组织缝合封闭技术的治疗效果及并发症,并对患者进行疼痛评分和功能状态评价。结果:研究共纳入13例患者(女12例,男1例),年龄(66.69±13.14)岁。原发疾病包括骨质疏松7例,肺癌2例,乳腺癌3例,前列腺癌1例;2例伴发糖尿病,2例伴发心血管疾病,1例伴发干燥综合征。9例患者静脉注射唑来膦酸,平均用药时间(37.7±20.0)个月,7例患者同时服用了来曲唑片等其他药物;3例患者应用地舒单抗注射液,平均用药时间(10.3±11.9)个月;5例患者服用阿仑膦酸钠片,平均用药时间(55.20±27.20)个月,2例患者不同程度地服用醋酸泼尼松片或阿卡波糖片。MRONJ 1期4例,2期9例。13例患者均采用双层软组织缝合封闭技术关闭伤口,术后平均随访11.9个月(9~17个月),13例患者皆治愈,无溢脓等并发症发生。患者术前Karnofsky功能状态评分量表(Karnofsky performance status,KPS)评分为(68.46±14.05)分,术后评分为(82.31±15.36)分,差异有统计学意义(P<0.05)。患者术前疼痛评估视觉模拟评分量表(visual analogue scale,VAS)评分为(5.77±0.73)分,术后评分为(0.38±0.51)分,差异有统计学意义(P<0.001)。结论:双层软组织缝合封闭技术在中早期单纯使用抗骨吸收类药物的下颌骨MRONJ患者中可以取得良好的临床治疗效果,可为用药情况更加复杂的MRONJ患者提供临床治疗思路。
为了让机器人获得更加通用的能力,抓取是机器人必要掌握的技能.针对目前大多数机器人抓取决策方法存在物品特征理解浅显,缺乏抓取先验知识,导致任务兼容性较差的问题,同时受大脑中分区分块功能结构的启发,提出了将物品感知、先验知识和抓取任务融合的认知决策模型.该模型包含卷积感知网络、记忆图网络和贝叶斯决策网络三部分,分别实现了物品能供性(affordance)提取、抓取先验知识推理和联想,以及信息融合编码决策,三部分之间的信息流以语义向量的形式传递.利用UMD part affordance数据集、该文构建的抓取常识图和决策数据集对3个网络分别进行训练,认知决策模型的测试准确率达到99.8%,并且抓取位置可视化结果展示了决策的正确性.该模型还能判断物品是否属于当前任务场景,以决策是否抓取以及选择什么部位抓取物品,有助于提高机器人实际场景的应用能力.
暂无评论