2019语言与智能技术竞赛数据集，三元组抽取，知识图谱，开放域三元组抽取，NLP

Bilibili评论抽奖工具，比网页随机数更好用，支持排除条件，一键私信等 功能如下： 显示楼层（因B站评论升级无法直接获取每一层楼的楼层，改用取网页总评论数递减算法） 显示视频详细信息 获取视频所有评论 交互用户信息显示操作，例如打开对方的空间，发送私信等（获取评论后，超级列表框内） 可控式强制更新（用户可自己写网页，放网盘等），版本检测，打开下载页面等 通过规则设置，控制评论内符合抽奖的条件，可排除未关注者（因系统限制100名内）、必须佩戴粉丝勋章且等级>=（）、重复评论仅保留最新或热度最高一条、自己不参与抽奖等 支持保存中奖结果，支持一键打开所有中奖者私信界面 支持保存视频缩略图（右键下载） 保存本地配置，读入本地配置，判断本地缓存与网页是否相同提示更新，清除本地缓存，可控是否保存评论缓存

在准连续激光二极管(LD)抽运的激光晶体中存在升降温的瞬态过程。为解决准连续LD端面抽运激光晶体产生的热效应问题,基于热传导方程,采用特征函数法和常数变异法得到了准连续超高斯光束端面抽运Nd:YAG棒的瞬态温度场的一般解析表达式。同时定量分析了准连续抽运光束腰半径、脉宽以及频率对Nd:YAG棒瞬态温度场的影响。研究结果表明,准连续LD端面抽运Nd:YAG棒时,棒内温度随时间呈锯齿状变化,经过一段时间后最终呈稳定周期性分布,而且棒内温度也随脉宽和频率的增大而增大。研究方法和所得结果还可以应用到激光系统的其他瞬态热问题研究中。

详细介绍了Android控件之SlidingDrawer(滑动式抽屉)与实例，有需要的朋友可以参考一下

Android SlidingDrawer控件的使用。开发环境Android studio3.0版本

其中包含5000多张图片，以及相应的text文本标注，包括类别，和烟的坐标。内容为抽烟图片，格式对标yolov5.6.2，修正一下路径和类别即可直接执行训练。

4.1 电子病历实体关系抽取任务 电子病历命名实体关系抽取主要研究从电子病 历中抽取疾病、症状、检查和治疗这几类实体间的 关系. 这些实体关系体现了患者健康状况信息和针 对患者的医疗处置措施, 也体现了医生的专业知识. 如下面的例子: 1) 头 CT 检查显示腔隙性脑梗死 (检查 “头 CT” 证实了疾病 “腔隙性脑梗死”); 2) 患者彩超结果汇报轻度脂肪肝、慢性胆囊炎, 给予饮食指导, 继续治疗方案 (“彩超” 证实了 “轻度 脂肪肝” 和 “慢性胆囊炎”, “饮食指导” 施加于 “轻 度脂肪肝” 和 “慢性胆囊炎”). 电子病历实体关系抽取任务在命名实体识别基 础上展开, 对病历文本中同一个语句中的两个命名 实体赋予预定义的关系类型, 因而该任务转化为分 类问题, 通常采用基于机器学习的方法实现, 评价指 标采用精确度、召回率和 F 值. 目前电子病历实体 关系只限于一个句子范围内两个实体之间的关系. Uzuner 首先对医疗实体关系抽取进行了开创 性的研究, 详细定义了六大类医疗实体关系: 当前疾 病和治疗的关系、可能的疾病和治疗的关系、疾病 (包括当前的和可能的) 和检查的关系、疾病和症状 的关系、当前症状和治疗的关系、可能的症状和治 疗的关系[3]. 如果已经定义了修饰识别任务, 实现了 疾病和症状的修饰识别, 那么在关系抽取时, 可以不 考虑修饰的影响, 直接抽取实体间的关系, 然后借助 实体的修饰, 可以得到文献 [3] 定义的上述各类关 系. 所以, 在 I2B2 2010 评测中, 实体关系的定义没 有考虑修饰的因素. I2B2 2010 首次对电子病历命 名实体关系进行了系统的分类[12], 这些关系包括医 疗问题和医疗问题之间的关系、医疗问题和检查之 间的关系、医疗问题和治疗之间的关系. 这三类关系 以医疗问题为中心, 反映了电子病历面向医疗问题 的信息组织方式. 这三类关系只限于一个句子范围 内两个实体之间的关系. 表 5 详细列出了医疗问题、 检查和治疗这三类实体间的关系. 针对中文电子病历特点, 医疗问题被拆分为疾 病和症状,那么在定义实体关系时,也应作相应调整. 主要体现在两方面: 1) 医疗问题和治疗 (或检查) 的 关系转变为疾病和治疗的关系以及症状与治疗的 关系, 医疗问题和检查的关系也转变为疾病和检查 的关系以及症状和检查的关系; 2) 医疗问题之间的 关系替换为疾病和症状的关系 (疾病导致了症状)、 疾病和疾病的关系 (疾病导致了另一个疾病)、症状 和症状的关系 (症状伴随另一个症状). 自动抽取这几类实体间的关系可以构造患者健 康状况的简明摘要, 医生可以预先快速浏览病人的 信息, 后续再关注特定的细节. 除了可以用作医疗研 表 4 疾病和症状的修饰识别方法总结 Table 4 Summarization of methods for assertion classification 作者 方法 用到的资源 数据 评价 (F 值) Chapman 等[13] (NegEx) 规则 正则表达式规则 出院小结 0.853 Mutalik 等[105] (Negfinder) 规则 正则表达式规则、句法规则 自建语料 0.965 Sohn 等[106] (DepNeg) 规则 依存规则 I2B2 2010 评测数据 0.838 Harkema 等[107] (ConText) 规则 正则表达式规则、触发词 6 种类型的病历文本 0.76∼ 0.93 Uzuner 等[108] SVM / 三个机构的病历 0.35∼ 0.98 Grouin 等[110] SVM NegEx I2B2 2010 评测数据 0.931 Jiang 等[97] SVM MedLEE I2B2 2010 评测数据 0.931 de Bruijn 等[99] SVM cTAKES I2B2 2010 评测数据 0.936 Clark 等[111] CRF、最大熵 语义分类词典、状态规则 I2B2 2010 评测数据 0.934

信号的恢复与抽样——multisim的仿真设计实验.zip

针对软件无线电接收机数字下变频中高速数字信号的降采样需求，利用半带滤波器及级联积分梳状滤波器，设计了一种半带滤波器前置的多级抽取滤波器架构。通过Simulink搭建系统模型验证之后，利用Xilinx ISE 12.3在Xilinx xc5vsx95t-2ff1136 FPGA上实现了一种下采样率为64的抽取滤波器。Modelsim仿真结果表明，该抽取滤波器设计是有效的，达到了设计指标。

CIC 代码，滤波器设计，matlab程序，希望有用