Chinese CRF

合集下载

(仅供参考)真实世界临床研究

2009-1-1 2009-1-1 2009-1-1 2007-9-1 2008-8-1 2009-4-28
2009-5-26
2009-5-26 2009-6-25 2009-1-1
2009-1-1
2009-1-1
2009-1-1
2009-1-1 2009-1-1
23
小儿脑性瘫痪的中药熏洗技术临床操作规范研究
Cluster RCT Expertise—based RCT N of 1 RCT Patient preference RCT Wait list RCT Zelen’s design Stepped wedge trial Biomarker-based RCT Adaptive design
大肠表里相关研究
39
中医药治疗艾滋病试点项目临床观察登记表
中国中医科学院艾滋病中心
40
基于流行病学调查心脑合病辨证规范研究
辽宁中医药大学附属医院
41 艾滋病中医证候学研究
中国中医科学院艾滋病中心
42
中医药治疗甲型H1N1流感实用随机对照研究(高危)
北京地坛医院
43
中医药治疗甲型H1N1流感实用随机对照研究(重症)
转化医学临床流行病学
临床研究注册制度临床研究报告发表规范
循证医学
实验条件
基础研究
模式生物
理想条件
临床研究
自愿者
真实世界
临床实际
就诊者
伦理学
新药临床研究管理规范GCP
临床研究的基本方法——对照（有比较才有鉴别）
{ 所谓对照，即设立条件相同及诊断一致的一组对照，接受某种与试验组不一样的试验措施，目的是用以和试验组的结果进行对照性的比较以证明两组(或多组)间结果的差异及其程度。

肾毒清灌肠液治疗早、中期慢性肾衰临床疗效分析-赵涛,朱丹,王爱红,史焱,赵佳

107第17卷第3期 2015 年 3 月辽宁中医药大学学报JOURNAL OF LIAONING UNIVERSITY OF TCMVol. 17 No. 3 Mar .，2015慢性肾功能衰竭（Chronic Renal Failure，CRF）是各种终末期肾脏疾病集合的临床综合征，预后较为严重，是一种对人们正常的生活健康产生严重影响危害的常见疾病[1]。

近年来，患者人数逐年升高，目前需首要解决的问题即能否延缓慢性肾功能衰竭的发展。

当前治疗CRF 的方法有肾移植技术和血肾毒清灌肠液治疗早、中期慢性肾衰临床疗效分析赵涛，朱丹，王爱红，史焱，赵佳（辽宁中医药大学附属第二医院，辽宁沈阳 110034）摘要：目的：探究肾毒清灌肠液对早、中期慢性肾衰60例患者的临床疗效。

方法：将符合标准收纳的患者随机分为两组，即对照组和治疗组。

治疗组患者予以肾毒清灌肠液灌肠配合西医基础疗法，对照组患者予以包醛氧淀粉胶囊配合西医基础疗法；两组患者均治疗2周，观察其疗效。

结果：治疗组治疗总有效率为76.67%，对照组治疗总有效率为56.67%（P <0.05），差异有统计学意义；两组患者治疗前后症状积分进行比较，治疗组明显优于对照组（P <0.05），差异有统计学意义；治疗1个月后，分别比较两组尿素氮（BUN）、血肌酐（Scr）、肌酐清除率（Ccr），治疗组明显优于对照组（P <0.05）。

结论：针对早、中期慢性肾衰患者使用肾毒清灌肠液灌肠治疗临床取得了良好的疗效，对延缓肾衰有重要意义。

关键词：中药灌肠；肾毒清灌肠液；慢性肾衰；中医治疗中图分类号：R692.5 文献标志码：B 文章编号：1673-842X (2015) 03- 0107- 03收稿日期：2014-08-11基金项目：辽宁省中医药临床学（专）科能力建设项目（2013-Lnzyxzk-04）；辽宁省教育厅科学研究一般项目（L2012346）；辽宁省科学事业公益研究基金项目（2012002012）作者简介：赵涛（1979-），女（满族），主治医师，硕士研究生，研究方向：中医肾病临床诊断与治疗。

民间文学文本命名实体识别方法

第 22卷第 10期2023年 10月Vol.22 No.10Oct.2023软件导刊Software Guide民间文学文本命名实体识别方法黄健钰1，2，王笳辉1，2，段亮1，2，冉苒3（1.云南大学信息学院；2.云南省智能系统与计算重点实验室；3.云南大学文学院，云南昆明 650500）摘要：民间文学文本命名实体识别任务旨在从民间文学文本中判别实体并将其划分到预定义的语义类别，为民间文学的保存与传播奠定基础。

民间文学区别于一般中文语料，其文本存在一词多义情况突出与领域名词众多的问题，导致常规命名实体识别方法难以准确充分地识别出民间文学文本中存在的实体及其类别。

针对该问题，提出一种基于BERT的民间文学文本命名实体识别模型TBERT。

该模型首先在通用中文BERT模型的基础上融合民间文学文本语料特征与实体类型特征；然后利用BiLSTM模型进一步提取序列依赖特征；最后结合CRF模型获取的标签约束信息输出全局最优结果。

实验结果表明，该方法在民间文学文本数据集上具有良好表现。

关键词：民间文学文本；命名实体识别；Fine-Tune；TBERT-BiLSTM-CRF；特征融合DOI：10.11907/rjdk.222235开放科学（资源服务）标识码（OSID）：中图分类号：TP391.1 文献标识码：A文章编号：1672-7800（2023）010-0065-08Named Entity Recognition Method for Folk Literature TextsHUANG Jianyu1，2， WANG Jiahui1，2， DUAN Liang1，2， RAN Ran3（1.School of Information Science and Engineering， Yunnan University；2.Yunnan Key Laboratory of Intelligent Systems and Com⁃puting；3.School of Chinese Language and Literature， Yunnan University， Kunming 650500， China）Abstract：The task of identifying named entities in folklore texts aims to identify entities from folklore texts and classify them into predefined semantic categories， laying the foundation for the preservation and dissemination of folklore. Folk literature is different from general Chinese corpus in that its text has prominent polysemy and numerous domain nouns， which makes it difficult for conventional named entity recognition methods to accurately and fully identify the entities and their categories present in folk literature texts. To address this issue， a folk literature text named entity recognition model TBERT based on BERT is proposed. This model first integrates the corpus features and entity type features of folk literature texts on the basis of the universal Chinese BERT model； Then， the BiLSTM model is used to further extract sequence depen⁃dent features； Finally， combine the label constraint information obtained from the CRF model to output the global optimal result. The experi⁃mental results show that this method performs well on the dataset of folk literature texts.Key Words：folk literature texts； named entity recognition； Fine-Tune； TBERT-BiLSTM-CRF； feature fusion0 引言民间文学是由人民群众以口头方式创作并传播，且经过不断集体修改与加工的文学，常以民间传说、民间故事、神话诗歌等形式存在。

慢性肾功能衰竭中医辨证的量化研究

慢性肾功能衰竭（ＣＲＦ）的病机复杂，临床证候变化急骤多透１０例，血透８４例，腹透并血透６例），肾移植患者１２例。
端，中医辨证较难掌握且无客观标准，从而给诊治带来困难，影２辨证分型标准
响疗效及总结交流。为了给ＣＲＦ的中医辨证论治提供客观依据
随机抽样搜集到的３１２例患者资料来自广东广州、广西南
①外感：②湿浊：③湿热：④痰饮：⑤血瘀；⑥风动。
宁、柳州及湖南长沙、永州、东安地区６家医院自１９９３年起收３方法
治的ＣＲＦ病例，包括中医临床证候及体征的描述性资料和西医３．１步骤
实验室检查的数据资料。全部病例均符合《中华内科杂志》编委会肾脏病专业组１９９３年拟定的ＣＲＦ诊断标准。其中男１９９例，女Ｉ１３例；年龄最大９４岁，最小１２岁，平均５０．２岁；代偿期１５例，氮质血症期９６例，尿毒症早期６７例，终末期Ｉ１６例，资料不全无法确定分期ｌ８例：原发病为慢性肾小球肾炎Ｉ１９例，良性肾小球动脉硬化２９例，狼疮性肾炎８例，糖尿病肾病１９例，间质性肾炎８例，梗阻性肾病３６例，多囊肾１２例，紫癜性肾炎Ｉ例，痛风性肾病７例，未确诊原发病７３例；透析患者１００例（腹
ＮＩＥＦｅｎｇ。
，
ＸＵＪｉｎｇ，Ｍ
ＡＹｕａｎ—ｈｕａ３ｒ１．３０３ＨｏｓｐｉｔａｌｏｆＰＬＡ，Ｎａｎｎｉｎｇ５３００２１，Ｃｈｉｎａ
２．ＴｈｅＦｉｒｓｔＡｆｉｌｉａｔｅｄＨｏｓｐｉｔａｌｏｆ
ＧｕａｎｇｘｉＴＣＭＣｏｌｌｅｇｅ，Ｎａｎｎｉｎｇ５３００２１．Ｃｈｉｎａ；３．１５８ＨｏｓｐｉｔａｌｏｆＰＬｉｕｚｈｏｕ５４５００５，Ｃｈｉｎａ）Ａｂ岫｜＝ｔ：ＯｂｊｅｃｔｉｖｅＴｏｄｉｆｅｒｅｎｔｉａｔｅＣｈｉｎｅｓｅｍｅｄｉｃａｌｓｙｎｄｒｏｍｅｓｏｆｃｈｒｏｎｉｃｒｅｎａｌＦａｉｌｕｒｅｂｙｏｂｊｅｃｔｉｖｅ

化学遗传学调控高血压大鼠室旁核促肾上腺皮质激素释放因子神经元对前交感神经元兴奋性的影响

ＣｏｍｐａｒｅｄｗｉｔｈＯＧＤ／Ｒｇｒｏｕｐ，ｔｈｅｃｅｌｌｓｕｒｖｉｖａｌｒａｔｅｏｆＯＧＤ／Ｒ＋３ＭＡｇｒｏｕｐｓｉｇｎｉｆｉｃａｎｔｌｙｉｎｃｒｅａｓｅｄ（Ｐ＜００１），ａｎｄｃｅｌｌｓｕｒｖｉｖａｌｒａｔｅｏｆＯＧＤ／Ｒ＋３ＭＡｇｒｏｕｐａｌｓｏｈａｄｓｉｇｎｉｆｉｃａｎｔｄｉｆｆｅｒｅｎｃｅｃｏｍｐａｒｅｄｗｉｔｈＯＧＤ／Ｒ＋ＯＭＴｇｒｏｕｐａｎｄＯＧＤ／Ｒ＋ＯＭＴ＋３ＭＡｇｒｏｕｐ．Ｃｏｎｃｌｕｓｉｏｎｓ　ＯＭＴｈａｓａｐｒｏｔｅｃｔｉｖｅｅｆｆｅｃｔｏｎＯＧＤ／ＲｉｎｄｕｃｅｄＡＳｉｎｊｕｒｙ，ｗｈｉｃｈｉｓｒｅｌａｔｅｄｔｏｔｈｅｉｎｈｉｂｉｔｉｏｎｏｆＡＭＰＫ／ｍＴＯＲｓｉｇｎａｌｉｎｇｐａｔｈｗａｙａｎｄｔｈｅａｍｅｌｉｏｒａｔｉｏｎｏｆａｕｔｏｐｈａｇｙ．Ｋｅｙｗｏｒｄｓ：ｏｘｙｍａｔｒｉｎｅ；ＯＧＤ／Ｒ；ａｓｔｒｏｃｙｔｅｓ；ａｕｔｏｐｈａｇｙ；ｏｘｉｄａｔｉｖｅｓｔｒｅｓｓ；ＡＭＰＫ／ｍＴＯＲｓｉｇｎａｌｉｎｇｐａｔｈｗａｙ网络出版时间：２０２３－１２－０１１６：０１：５６　网络出版地址：ｈｔｔｐｓ：／／ｌｉｎｋ．ｃｎｋｉ．ｎｅｔ／ｕｒｌｉｄ／３４．１０８６．Ｒ．２０２３１１３０．１３２３．０４４化学遗传学调控高血压大鼠室旁核促肾上腺皮质激素释放因子神经元对前交感神经元兴奋性的影响马宏宇，郭鑫淇，张　荧，高　璐，杜梓硕，王浩然，马会杰（河北医科大学基础医学院生理学教研室，河北石家庄　０５００１７）ｄｏｉ：１０．１２３６０／ＣＰＢ２０２３０４０６２文献标志码：Ａ文章编号：１００１－１９７８（２０２３）１２－２３３８－０８中国图书分类号：Ｒ３３２；Ｒ３２２８１；Ｒ３３８１；Ｒ５４４１摘要：目的　观察下丘脑室旁核（ｐａｒａｖｅｎｔｒｉｃｕｌａｒｎｕｃｌｅｕｓ，ＰＶＮ）促肾上腺皮质激素释放因子（ｃｏｒｔｉｃｏｔｒｏｐｉｎｒｅｌｅａｓｉｎｇｆａｃｔｏｒ，ＣＲＦ）神经元对正常血压ＷｉｓｔａｒＫｙｏｔｏ（ＷＫＹ）大鼠或自发性高血压大鼠（ｓｐｏｎｔａｎｅｏｕｓｌｙｈｙｐｅｒｔｅｎｓｉｖｅｒａｔｓ，ＳＨＲ）前交感神经元兴奋性的影响，阐明交感中枢过度兴奋的可能神经环路机制。

基于BERT-BiLSTM-CRF_古籍文献命名实体识别

第44卷㊀第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀湖北科技学院学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀Vol.44,No.3㊀2024年6月㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀Journal of Hubei University of Science and Technology㊀㊀㊀㊀㊀㊀㊀㊀Jun.2024文章编号:2095-4654(2024)03-0151-06㊀㊀㊀㊀基于BERT-BiLSTM-CRF古籍文献命名实体识别㊀㊀㊀㊀蔡维奕(西北民族大学㊀数学与计算机科学学院,甘肃㊀兰州㊀730030)摘㊀要:古籍文献中存在着大量的多字词㊁歧义词㊁异体字等问题,使得古籍文献命名实体识别成为了一项具有挑战性的任务㊂本文提出一种基于BERT-BiLSTM-CRF模型的古籍文献命名实体识别方法㊂该方法首先用预训练语言模型BERT来建模字的上下文表示,然后通过BiLSTM模型对BERT的输出进行加工,解决长距离依赖问题,得到更加丰富的特征信息,最后通过CRF模型对这些特征进行联合建模,从而实现对古籍文献中命名实体的精确识别㊂实验结果显示,BERT-BiLSTM-CRF性能超过了所有基线模型㊂关键词:BiLSTM模型;BERT模型;古籍文献中图分类号:TP391.1㊀㊀㊀㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀开放科学(资源服务)标识码(OSID ):㊀㊀古籍文献包含了丰富的历史㊁文化和语言信息,对于人类文明的研究和传承具有重要意义㊂古籍文献的命名实体识别旨在自动识别出古籍文本中人名㊁地名㊁机构名等实体㊂它是正确分析处理古籍文献文本的基础步骤,也是深度挖掘㊁分析古代人文知识与文化的重要前提㊂然而,由于古籍文献的特殊性,如书写方式㊁语言习惯等,使得古籍文献命名实体识别(Named Entity Recognition,NER)成为了一项具有挑战性的任务㊂近年来,学界已有多项研究[1-3]关注史籍㊁方志㊁诗词㊁中医等类目的古籍命名实体识别,构建了一些针对垂直领域的小型标注数据集,实体标注的体系和规范有所差异,识别范围往往由三种基本实体类别扩充至人文计算研究所需的多种特殊类别,如书名㊁药物名㊁疾病名㊁动植物名等㊂这些研究所构建针对特殊领域的小型标注数据集,实体类型有差异㊂另一方面,古文字词含义的多样性㊁行文结构的连续性以及多用繁体字㊁无句点等特点,也增加了古籍文献命名实体识别任务的复杂和困难程度㊂在过去的几年中,深度学习技术在自然语言处理领域取得了巨大的成功,BERT(Bidirectional En-coder Representations from Transformers)模型[4]作为其中的代表之一,以其卓越的性能和广泛的应用受到了广泛关注㊂基于BERT的古籍文献NER任务[3]已经成为了当前研究的热点之一㊂然而,由于BERT模型本身是一个字词级别的模型,而古籍文献中存在着大量的多字词㊁歧义词㊁异体字等问题,这就需要我们对BERT进行改进和优化㊂本文提出了一种基于BERT-BiLSTM-CRF模型的古籍文献NER方法㊂该方法首先用预训练语言模型BERT来建模字的上下文表示的基础上,引入了BiLSTM[5](Bi-directional Long Short Term Memo-ry)和CRF[6](conditional Rondom Fields)模型,通过BiLSTM模型对BERT的输出进行加工,得到更加丰富的特征信息,然后通过CRF模型对这些特征进行联合建模,从而实现对古籍文献中命名实体的精确识别㊂本文的主要贡献包括:∗收稿日期:2023-12-08(1)提出了一种基于BERT-BiLSTM-CRF模型的古籍文献命名实体识别方法;(2)在公开数据集上进行了大量实验,并与其他方法进行了对比;(3)分析了实验结果,探讨了该方法的优缺点和改进方向㊂一㊁相关工作在自然语言处理领域,命名实体识别(NER)是一个重要的任务,其目的是从文本中识别出具有特定意义的实体,如人名㊁地名㊁机构名等㊂近年来,深度学习技术在自然语言处理领域取得了巨大的成功,其中基于预训练语言模型的NER方法已经成为了当前研究的热点之一㊂1.预训练语言模型预训练语言模型是指在大规模文本数据上进行无监督预训练的语言模型,它可以学习到丰富的语言知识,并将这些知识应用于各种自然语言处理任务中㊂其中BERT是一种基于Transformer架构的预训练语言模型,它通过双向编码器对输入序列进行编码,从而学习到上下文相关的词向量表示㊂BERT 模型在多项自然语言处理任务上取得了卓越的性能,如情感分析[7,8]㊁问答系统[9]㊁文本分类等[10]㊂2.基于BERT的命名实体识别方法基于BERT的命名实体识别方法是自然语言处理领域中的研究热点之一,在多个数据集上均取得了优秀的表现㊂目前,基于BERT的命名实体识别方法的研究现状主要包括以下几个方面: (1)模型结构的改进:通过引入不同的模型结构来提高命名实体识别的性能㊂例如,将BERT与BiLSTM㊁CRF等模型结合[11-13],可以更好地捕捉上下文信息和标签之间的依赖关系㊂(2)数据增强的研究:由于命名实体识别数据集通常较小,对模型的训练和泛化能力造成了一定的影响㊂因此,研究者通过数据增强等方法来扩充训练数据集[14],从而提高模型的性能㊂(3)多语言命名实体识别:由于BERT在多语言上均有较好的表现,因此研究者将其应用于多语言命名实体识别任务中㊂例如,通过使用跨语言预训练模型来进行多语言实体识别[15]㊂(4)迁移学习:在预训练阶段,BERT学习了大量无标签的语言数据,从而捕获了丰富的语言特征㊂然而,对于特定的下游任务,这些预训练的语言表示可能不够精确,因此需要进行微调㊂迁移学习是一种常用的微调方法,它利用预训练模型已经学习到的知识来帮助解决新的任务㊂在迁移学习中,预训练模型首先被加载并冻结(即不参与训练),然后使用任务特定的数据来微调模型的顶部层(通常是全连接层)㊂通过这种方式,模型可以利用已经学习到的知识来改善对新任务的适应能力㊂将BERT预训练模型进行微调,可用于不同领域和不同任务的命名实体识别[16,17]㊂本文把中文训练的BERT-Base-Chinese语言模型,运用于古籍文献,本质上将BERT预训练模型作微调,进行迁移学习,并结合BiLSTM㊁CRF等模型结合更好地捕捉上下文信息和标签之间的依赖关系㊂图1㊀模型总体结构图二㊁模型基于BERT-BiLSTM-CRF的古籍文献NER方法旨在提高古籍文献NER任务的准确性㊂它是一种基于预训练语言模型BERT㊁双向LSTM和条件随机场(CRF)的命名实体识别方法㊂该方法BERT-BiLSTM-CRF模型的结构如图1所示㊂首先使用BERT预训练语言模型对输入序列进行编码,然后将编码结果输入到BiLSTM序列模型中,从而学习到上下文相关的特征表示㊂最后,通过CRF模型对标签序列进行建模,从而实现对命名实体的识别㊂1.BERT层BERT是一种基于Transformer架构的预训练语言模型,它通过双向编码器对输入序列进行编码,在本文方法中主要学习古文字的上下文相关的向量表示㊂BERT通过两个阶段的训练来获得上下文相关的输出字向量表示:第一阶段是无监督的预训练,用于学习通用的语言知识;第二阶段是有监督的微调,用于将BERT模型应用于特定的自然语言处理任务㊃251㊃湖北科技学院学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀总第44卷中㊂在古籍文献NER任务中,一个输入可表示为s =(w1,w2, ,w n),其中w i表示输入的第i的字㊂每个字w i编码由三部分组成:(1)token embedding:将字转换成固定维度的向量㊂每个字会被转换成768维的向量表示㊂此外,两个特殊的token会被插入到tokenization的结果的开头([CLS])和结尾([SEP])㊂(2)segment embedding:用于区分一个token属于句子对中的哪个句子㊂Segment Embeddings包含两种向量表示㊂前一个向量是把0赋给第一个句子中的各个token,后一个向量是把1赋给第二个句子中的各个token㊂如果输入仅仅只有一个句子,那么它的segment embedding就是全0㊂(3)position embedding:由于Transformers无法编码输入的序列的顺序性,所以BERT在各个位置上学习一个向量表示来将序列顺序的信息编码进来㊂最终,古文字w i由三个embedding编码连接得到,即E i=E token E seg E pos㊂经过BERT层,得到每个字的向量表示:X i=Bert(E i)㊂2.Bi-LSTM层本文采用双向LSTM来学习每个古文字的中间表示,其优点可利用远距离的特征㊂对每一个LSTM 单元由多个实向量组合而成,包括输入门向量i t,忘记门向量f t,输出门向量o t,内存单元c t和隐藏状态h t㊂各变量内计算公式如下:i t=σ(W(i)x t+U(i)h t-1+b(i)f t=σ(W(f)x t+U(f)h t-1+b(f)o t=σ(W(o)x t+U(o)h t-1+b(o)u t=tanh(W(u)x t+U(u)h t-1+b(u)c i=i t☉u t+f t☉c t-1h t=o t☉tanh(c i)式中σ,tanh表示神经元的激活函数㊂W,U是权重矩阵,b是偏差向量㊂对于序列中的每个字,其输入为BERT层的输出,即x t㊂输出为h t,在Bi-LSTM网络中,其输出向量为左㊁右LSTM的输出连接组成,即h t=[h➝t,h t]㊂3.CRF层最后,本文采用CRF对标签序列进行全局建模,并考虑标签之间的依赖关系㊂具体地,对BiL-STM层的输出序列h1, ,h n作为CRF的特征输入,一个标签序列y=y1, ,y n的条件概率采用下面公式计算为:o i=Wh ip(y|s)=eði o i[y i]+T[y i,y i-1]ðy'eði o i[y'i]+T[y'i,y'i-1]其中y'=y'1, ,y'n是一个候选标签序列输出, W为发射矩阵,T为状态转移矩阵㊂在推断时,采用Viterbi算法发现概率最高的标签序列㊂在训练时,采用交叉熵损失,具体地,假设给定古文序列的黄金标签是g=g1, ,g n该实例的损失函数定义如下:L ner=-log p(g|s)三、实验与分析1.数据集文本采用2023中国计算语言学大会古籍命名实体识别评测数据集,由北京大学数字人文研究中心组织标注,语料来源是网络上公开的部分中国古代正史纪传文本㊂数据集以二十四史为基础语料,包含13部书中的22卷语料,随机截断为长度约100字的片段,标注了人名(PER)㊁书名(BOOK)㊁官职名(OFI)三种实体,总计15.4万字(计标点)㊂数据集统计如下:表1㊀实验用数据集统计总字数实例数人名数书名数官职数实体总数15.4万字23476670213336310246㊀㊀标签方案采用 BISO ,其中 B 表示实体的开始字符, I 表示实体的其它字符, S 表示只含单字实体, O 表示非实体字符㊂下面给出一个标签例子:友_B-PER倫_I-PER幼_O亦_O明_O敏_O,_ O通_O論_B-BOOK語_I-BOOK㊁_O小_B-BOOK 學_I-BOOK,_O曉_O音_O律_O㊂_O存_S-PER已_O死_O,_O太_B-PER祖_I-PER以_O友_B-PER 倫_I-PER為_O元_B-OFI從_B-OFI馬_I-OFI軍_I -OFI指_I-OFI揮_I-OFI使_I-OFI},_O表_O右_B -OFI威_I-OFI武_I-OFI將_I-OFI軍_I-OFI㊂2.实验设置实验时标注语料按8ʒ1ʒ1分别分为训练集㊁开发集和测试集㊂主要超参数设置如表2所示㊂㊃351㊃2024年第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀蔡维奕:基于BERT-BiLSTM-CRF古籍文献命名实体识别表2㊀超参设置表超参值超参值dropout0.5L21e-8 Batch size16Learing rate1e-5 Optimizer Adm Learning rate decay0.05 Momentum0.9Learning rate clipping 5.0㊀㊀实验采用精度(P)㊁召回率(R)和F1值三个指标评估模型性能,分别表示如下:P=预测正确的实体数预测的总实体数R=预测正确的实体数总实体数F1=2∗P∗RP+R3.实验结果为了比较本文采用的模型,实验引入3个基线,分别描述如下:(1)CRF:结合了最大熵模型和隐马尔可夫模型的特点,在序列标注任务中取得了很好的效果,特征采用相连5个窗口内的字符及其组合㊂(2)BiLSTM-CRF:结合BiLSTM与CRF,字向量表示随机初始化㊂模型参数与本文所提出模型的对应组件相同㊂(3)BERT-CRF:使BERT学习到字符的表示,并做为特征直接输出到CRF㊂模型参数与本文所提出模型的对应组件相同㊂表3给出基线与本文所提模型的实验结果㊂可以发现,仅采用离散特征的CRF模型性能远低于采用密向量表示的模型㊂在三个密向量表示的模型,采用预训练语言模型的BERT-CRF的性能高于未采用预训练语言模型的BiLSTM-CRF㊂本文所采用模型充分利用BERT与BiLSTM的优点,在精度㊁召回率和F1值都取得最高的分数㊂表3㊀基线与本文所提模型的实验结果模型P R F1CRF82.4882.3282.40BiLSTM-CRF89.8787.5488.69BERT-CRF92.590.6591.57BERT-BiLSTM-CRF93.591.292.34 4.实验分析本节从学习率㊁训练批大小方面分析了超参对性能的影响,此外,也比较分析了不同实体类型㊁不同文本长度的性能㊂(1)学习率影响图2显示了不同学习率对性能的影响,可以看到,当学习率为1e-5时,本文模型在精度㊁召回率和F1值达到了最好的性能㊂图2㊀不同学习率的性能(2)批训练大小的影响批训练大小也是重要超参之一㊂图3显示了不同批训练大小的F1值,可以看出,当批训练大小为16时,模型取得了最好的性能㊂图3㊀不同批训练大小的性能(3)不同类型实体识别结果表3给出不同类型的命名实体的识别比较结果㊂可以看出,书名实体的识别效果最差,人名识别效果最好,主要原因是书名的训练实例太少,而人名的训练实例比较多㊂此外,本文采用模型在所有的类型上都超过了BERT-CRF的识别性能㊂表3㊀模型对不同类型命名实体的识别比较类型BERT-CRF BERT-BiLSTM-CRF 人名(PER)92.4593.86书名(BOOK)83.4685.6官职名(OFI)91.1391.65 (4)不同文本长度的实验结果BiLSTM能抓住长距离依存特征㊂实验比较了不同文本长度的识别性的影响㊂我们样本按句子长度分为4组:小于10㊁大于等于10及小于30㊁大于等于30及小于50㊁大于等于50.表4给出本文模型与BERT-CRF的比较结果㊂可以看出,当文本长度㊃451㊃湖北科技学院学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀总第44卷小于10时,两个模型性能基本相同㊂随着文本长度增大,两个模型的识别性能差距不断变大,当长度大于50时,本文模型超过BERT-CRF模型达到2.11%㊂这显示本文模型能有效抓住长文本的长距离依存信息㊂表4㊀不同长度文本的识别F1值比较文本长度BERT-CF BERT-BiLSTM-CRF<1097.3197.3410ɤ㊃ɤ3094.1094.2130<㊃ɤ5088.5389.04>5078.3580.46㊀㊀(5)实例分析为了更好地与基线进行比较,表5给出了本文方法与BiLSTM-CRF在古文命名实体识别的实例分析㊂在例子1中,BiLSTM-CRF方法由于缺少更多的上下文语义信息,并没有识别出人名{王鐵槍| PER}㊂在例子2中,本文所提方法识别出了所有的实体,而BiLSTM-CRF把两个OFI实体没有识别准确,这说明本文所提方法能获得更多边界信息㊂表5㊀实例分析与比较序号句子实例BiLSTM-CRF BERT-BiLSTM-CRF1持一鐵槍,騎而馳突,奮疾如飛,而佗人莫能舉也,軍中號{王鐵槍|PER}㊂持一鐵槍,騎而馳突,奮疾如飛,而佗人莫能舉也,軍中號王鐵槍㊂持一鐵槍,騎而馳突,奮疾如飛,而佗人莫能舉也,軍中號{王鐵槍|PER}㊂2壬午,{匡國軍節度使|OFI}{劉知俊|PER}爲{潞州行營招討使|OFI}㊂癸巳,改卜郊㊂{張文蔚|PER}薨㊂壬午,匡國軍{節度使|OFI}{劉知俊|PER}爲潞州行營{招討使|OFI}㊂癸巳,改卜郊㊂{張文蔚|PER}薨㊂壬午,{匡國軍節度使|OFI}{劉知俊|PER}爲{潞州行營招討使|OFI}㊂癸巳,改卜郊㊂{張文蔚|PER}薨四㊁结论古籍文献命名实体识别是正确分析处理古籍文献文本的基础步骤,也是深度挖掘㊁分析古代人文知识与文化的重要前提㊂本文采用BERT-BILSTM-CRF模型实现对古籍文献命名实体识别,实验表明模型的准确率㊁召回率和F1值均达到了较好的效果㊂此外实验也显示本模型能有效抓住长距离文本的依存信息㊂虽然书名实体识别性能不佳,这主要是由于训练语料太少,模型训练不充分所致㊂本文主要研究人名㊁书名㊁官职名三类古籍文献命名实体㊂后期研究工作中,将收集整理更大规模的古籍文献命名实体语料,研究更多的不同类型的古籍文献命名实体,并进一步研究模型各项参数,训练更好的模型,为古籍文献命名实体识别提供帮助㊂参考文献:[1]㊀崔丹丹,刘秀磊,陈若愚,等.基于Lattice LSTM的古汉语命名实体识别[J].计算机科学,2020,47(S2):18-22.[2]㊀胡为,刘伟,石玉敬.基于BERT-BiLSTM-CRF的中医医案命名实体识别方法[J].计算机时代,2022(9):119-122+135.[3]㊀余馨玲,常娥.基于DA-BERT-CRF模型的古诗词地名自动识别研究以金陵古诗词为例[J].图书馆杂志,2023,42(10):87-94+73.[4]㊀Devlin J,Chang MW,Lee K.Bert:Pre-training of deepbidirectional transformers for language understanding[J/OL].https:///pdf/1810.04805.pdf.11Oct.2018.[5]㊀Schuster M,Paliwal KK.Bidirectional recurrent neuralnetworks[J].IEEE transactions on Signal Processing.1997,45(11):2673-2681.[6]㊀McCallum A.Efficiently inducing features of conditionalrandom fields[C].//Inproceedings of the Nineteenthconference on Uncertainty in Artificial Intelligence,USA,7Aug.2002.[7]㊀Gao Z,Feng A,Song X,etal.Target-dependent senti-ment classification with BERT[J].Ieee Access,2019(7):154290-154299.[8]㊀Catelli R,Pelosi S,Esposito M.Lexicon-based vs Bert-based sentiment analysis:A comparative study in Italian[J].Electronics,2022,11(3):374.[9]㊀Guven Z A,Unalir M O.Natural language based analysisof SQuAD:An analytical approach for BERT[J].ExpertSystems with Applications,2022,195:116592. [10]Esmaeilzadeh A,Taghva K.Text classification using neu-ral network language model(nnlm)and bert:An empiri-cal comparison[C].//Intelligent Systems and Applica-tions:Proceedings of the2021Intelligent Systems Confer-ence(IntelliSys)Volume3.Springer International Pub-lishing,2022:175-189.[11]Souza F,Nogueira R,Lotufo R.Portuguese named entityrecognition using BERT-CRF[J/OL].https://arxiv.㊃551㊃2024年第3期㊀㊀㊀㊀㊀㊀㊀㊀㊀蔡维奕:基于BERT-BiLSTM-CRF古籍文献命名实体识别org/pdf/1909.10649.pdf.23Sep.2019. [12]Alsaaran N,Alrabiah M.Arabic named entity recogni-tion:A BERT-BGRU approach[J].Computers,Materi-als and Continua,2022,68:471-485.[13]Jiang S,Zhao S,Hou K,etal.A BERT-BiLSTM-CRFmodel for Chinese electronic medical records named entityrecognition[C].//12th international conference on intelli-gent computation technology and automation(ICICTA).IEEE,2019:166-169.[14]Tikhomirov M,Loukachevitch N,Sirotina A,ingbert and augmentation in named entity recognition for cy-bersecurity domain[C].//Natural Language Processingand Information Systems:25th International Conference onApplications of Natural Language to Information Systems,Germany,24–26June,2020.[15]Hakala K,Pyysalo S.Biomedical named entity recogni-tion with multilingual BERT[C].//Proceedings of the5thworkshop on BioNLP open shared tasks.ACL,2019:56-61.[16]Labusch K,Kulturbesitz P,Neudecker C,etal.BERTfor named entity recognition in contemporary and historicalGerman[C].//Proceedings of the15th conference on nat-ural language processing.ACL,2019:8-11. [17]Montejo-Ráez,A and Jiménez-Zafra,S.M.Current Ap-proaches and Applications in Natural Language Processing[J].Applied Sciences,2022,12(10):4859.Named Entity Recognition in Ancient Books andLiterature Based on BERT-BiLSTM-CRFCAI Wei-yi(School of Mathematics and Computer Science Northwest Minzu University,Lanzhou730030,China)Abstract:There are a lot of complex words,ambiguous words,variant characters,and other problems in ancient texts,making named entity recognition in ancient texts a challenging task.This paper proposes a named enti-ty recognition method for ancient texts based on the BERT-BiLSTM-CRF model.This method first uses a pre-trained language model BERT to model the context representation of characters,then processes the output of BERT through a BiLSTM model to solve the problem of long-distance dependencies and obtain richer feature information. Finally,these features are jointly modeled through a CRF model to achieve accurate identification of named entities in ancient documents.Experimental results show that the performance of BERT-BiLSTM-CRF exceeds all baseline models.Key words:Bilstm model;Bert model;Ancient texts责任编辑:彭茜珍㊃651㊃湖北科技学院学报㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀总第44卷。

crf标准量化体系

crf标准量化体系CRF（Chinese Restaurant Franchise）标准量化体系是一种用于评估和管理连锁餐饮业的综合标准体系。

该体系主要用于量化和规范餐饮企业的各项运营指标，包括餐厅设施、服务质量、人员管理、品牌形象等多个方面。

通过CRF标准量化体系，餐饮连锁企业能够更好地提高运营效率、保持品质标准、增强品牌竞争力，从而实现可持续发展。

一、CRF标准量化体系的设计原则1.全面性：该体系应包含餐饮行业各个方面的指标，覆盖餐厅设施、服务流程、人员素质、品牌形象等关键要素。

2.可操作性：该体系的指标应该具备实际可操作性，能够方便实施和管理。

3.可比性：该体系应该具备行业通用性，使得餐饮企业能够与同行进行对标和比较。

4.长期性：该体系应该具备长期适应性和持续改进性，能够根据市场环境和行业发展不断进行更新和改进。

二、CRF标准量化体系的组成要素1.餐厅设施：包括店面面积、装修风格、卫生条件、设备设施等。

该指标评估餐厅的整体形象和硬件条件。

2.服务质量：包括服务态度、服务速度、服务技能等。

该指标评估餐厅员工的服务水平和顾客满意度。

3.员工管理：包括员工培训、员工激励、员工福利等。

该指标评估餐厅员工的管理和激励机制。

4.菜品质量：包括菜品口感、菜品卫生、菜品创新等。

该指标评估餐厅菜品的质量和创新能力。

5.品牌形象：包括品牌知名度、品牌价值、品牌宣传等。

该指标评估餐饮企业的品牌价值和影响力。

三、CRF标准量化体系的应用方式1.评估餐饮企业自身的运营状况，找出存在的问题和不足，制定改进计划和目标。

2.对比竞争对手的运营状况，了解自身在市场上的竞争优势和劣势，制定相应的竞争策略。

3.提供参考标准和指导方针，帮助新开餐饮店铺的创业者制定运营计划和管理方案。

4.为投资者提供参考依据，辅助其选择合适的连锁餐饮企业进行投资。

四、CRF标准量化体系在连锁餐饮业的应用案例1.自助餐连锁企业A通过CRF标准量化体系，对各家分店进行评估和对比，发现一些分店的服务质量存在差距。

中西医结合治疗糖尿病肾病慢性肾功能衰竭的进展

·399·药品评价 Drug Evaluation 2021,18（07）中西医结合治疗糖尿病肾病慢性肾功能衰竭的进展张艳秋天津市公安医院，天津 300042［摘要］糖尿病肾病是糖尿病患者常见并发症，发病率比较高，可造成患者出现慢性肾功能衰竭，不仅会加重患者病情，同时也会增加患者死亡风险，需要及时进行治疗和干预，从而避免肾功能持续损伤。

目前，中西医结合治疗在糖尿病肾病慢性肾功能衰竭患者治疗中发挥明显作用，结合文献报道内容，现对中西医结合疗法治疗此病的研究进展加以总结。

［关键词］糖尿病肾病；中西医结合；慢性肾功能衰竭DOI: 10.19939/ki.1672-2809.2021.07.04Progress of Integrated Traditional Chinese and Western Medicine in the Treatment of Diabetic Nephropathy and Chronic Renal FailureZHANG YanqiuTianjin Public Security Hospital, Tianjin 300042, China.[Abstract] Diabetic nephropathy is a common complication of diabetes mellitus. The incidence rate is high, which can cause chronic renal failure. It will not only aggravate the patient's condition, but also increase the risk of death. It is necessary to treat and intervene in time, so as to avoid the continuous damage of renal function. At present, integrated traditional Chinese and Western medicine plays an important role in the treatment of diabetic nephropathy and chronic renal failure. Combined with the content of literature, this paper summarizes the research progress of integrated traditional Chinese and Western medicine in the treatment of diabetic nephropathy and chronic renal failure.[Key Words] Diabetic nephropathy; Integrated traditional Chinese and Western medicine; Chronic renal failure导致糖尿病肾病患者出现慢性肾功能衰竭（CRF）因素比较多，主要表现为进行性肾单位损害，治疗包括肾移植、透析治疗和非透析疗法。

一种优化的用于中文分词的CRF机器学习模型

2 CRF 机器学习模型条件随机场模型 (C o nd i t i o n a l Random F i e l d s ,CRF s ) 是一种建立切分和标注序列数据概率模型的框架, 它用特征函数的方式综合使用各种互相影响的语言特征, 集合了最大熵模型和 HMM 模型的特点,回避了传统 HMM 方法处理长距离关联的不足和 MEMM 等模型中的标注偏置问题。

CRF 是一种无向图模型,对于指定的节点输入值,能够计算指定的节点输出值上的条件概率。

其训练目标是使得条件概率最大化。

线性链是 CRF 中常见的特定图结构之一,它是由指定的输出节点顺序链接而成。

定义 X={X 1, X 2, ...,X j }为给定的输入观测序列,即无向图模型中 t 个输入节点上的值(如一个中文词序列);定义 Y={Y 1, Y 2, ...,Y j }为一个长度与 x 相等的状态序列,即无向图中 t 个输出节点上的值。

参数 λ={λ1, λ2, ...,λj } 的线性链 CRF 把给定输入序列x 得到的状态序列 y 的条件概率定义为:? ?y 1, y 2,..., yn x ?=1 exp ? ? kFk ? y , x ?? Z ( x ) ? ? ? ? ?Z(x)是一个范化因子,使得在给定输入上的所有可能的状态序列的概率之和为 1;F k (y,x)表示一个特征函数,通常取布尔值,λk是训练中得到的、与每个特征 f k 相关的权重参数,它的取值反映了特征函数所代表的事件发生的可能性。

3 CRF 在中文分词中的应用在基于字标注的中文分词方法中, 应用最广泛的就是 CRF 和 M a xEnt,尽管没有严谨的实验数据进行比较,但是研究人员普遍发现 CRF 的训练效果比 MaxEnt 好,例如文献 8。

CRF 的训练代价比 MaxEnt 高很多,但是随着计算机计算能力的提高和追求更高的准确度的需求,CRF 有取代 MaxEnt 的趋势。

八段锦联合中药内服对肿瘤患者癌因性疲乏的影响

八段锦联合中药内服对肿瘤患者癌因性疲乏的影响发布时间：2021-07-22T16:01:12.340Z 来源：《中国医学人文》2021年3月3期作者：赵雪梅[导读] 研究八段锦联合中药内服对肿瘤患者癌因性疲乏的影响。

赵雪梅（安徽医科大学第一附属医院；安徽合肥230000）【摘要】目的：研究八段锦联合中药内服对肿瘤患者癌因性疲乏的影响。

方法：受试对象选入于2019年10月-2020年3月本院接诊的40例肿瘤患者，按照手术先后顺序进行自然排序，奇数为研究组，偶数为参照组。

参照组患者共20例给予常规护理联合中药内服，研究组患者共20例采取八段锦联合中药内服，对比两组患者抑郁、焦虑等级以及CRF（癌因性疲乏）程度。

结果：研究组患者SDS、SAS评分显著低于参照组患者，差异具有显著性（P<0.05）；研究组患者CRF程度显著轻于参照组患者，差异具有显著性（P<0.05）。

结论：对肿瘤患者采取八段锦联合中药内服，能有效改善患者CRF和抑郁、焦虑症状，值得在临床上进一步应用推广。

【关键词】肿瘤患者；癌因性疲乏；八段锦；中药内服Effect of Baduanjin and Traditional Chinese Medicine Oral Administration on Cancer-induced Fatigue in Cancer Patients 【Abstract】Objective: To study the effect of Baduanjin combined with traditional Chinese medicine on cancer-related fatigue in cancer patients. Methods: The subjects were selected from October 2019 to March 2020 in our hospital with 40 tumor patients, and they were sorted naturally according to the order of surgery, with odd numbers as the study group and even numbers as the reference group. A total of 20 patients in the reference group were given conventional care combined with oral administration of traditional Chinese medicine, and a total of 20 patients in the study group were given oral administration of Baduanjin combined with traditional Chinese medicine. The depression, anxiety and CRF (cancer-induced fatigue) levels of the two groups were compared. Results: The SDS and SAS scores of the study group were significantly lower than those of the reference group, and the difference was significant (P<0.05); the CRF degree of the study group was significantly lighter than that of the reference group, and the difference was significant (P<0.05). Conclusion: The oral administration of Baduanjin combined with traditional Chinese medicine for cancer patients can effectively improve the symptoms of CRF, depression and anxiety in patients, and it is worthy of further clinical application and promotion. [Keywords] cancer patients; cancer-related fatigue; Baduanjin; oral administration of traditional Chinese medicine随着现代医疗水平的提高，临床治疗肿瘤患者常采用放疗、手术、生物干预以及化疗等方式，但抑郁、焦虑以及疲乏等症状严重影响患者生活质量及免疫功能[1]。

论大黄在慢性肾衰竭中应用-赵大鹏

13第24卷第1期 2022 年 1 月辽宁中医药大学学报JOURNAL OF LIAONING UNIVERSITY OF TCMVol. 24 No. 1 Jan .，2022论大黄在慢性肾衰竭中应用赵大鹏1，刘一灵2，薛晓颖2，邱玉文2，栾仲秋1（1.黑龙江中医药大学附属第一医院，黑龙江哈尔滨 150040；2.黑龙江中医药大学，黑龙江哈尔滨 150040）基金项目：黑龙江省博士后科研启动项目（LBH-Q18120）；黑龙江省中医药管理局项目（ZHY18-001）；黑龙江省第一批省级中医临床优秀人才研修项目；名老中医工作室（全国第六批名老中医药专家学术经验继承工作）作者简介：赵大鹏（1979-），男，黑龙江哈尔滨人，主任医师，博士，研究方向：中医药防治慢性肾脏病的研究。

通讯作者：栾仲秋（1975-），女，黑龙江哈尔滨人，主任医师，博士，研究方向：中医药治疗免疫相关性肾病的研究。

摘要：慢性肾衰竭是慢性肾脏病的终末期阶段，是以病程长、症状繁多、病情复杂为主的临床综合征。

近年来，慢性肾衰竭患者发病率不断增加，肾脏疾病已经成为严重危害人类健康与生命的疾病之一。

传统中药经验理论丰富、效果力专，且安全性高、不良反应少，现代医学对大黄的研究一直成为焦点。

中药大黄作为通腑泄浊之要药，又有下瘀血、主寒热、破症瘕积聚、推陈致新、安和五脏之效。

临证治疗慢性肾衰竭时，常以大黄为切入点，通过查阅相关文献，主要从药物功用、炮制之品、名医名家经验、改善肠道菌群、多途径治疗（中成药、保留灌肠、结肠透析、穴位贴敷、中药离子导入、药浴、足浴）等方面对大黄治疗慢性肾衰竭的研究概况进行简要归纳，并总结不足，展望其研究前景，以期明确获得药用角色和配伍使用。

关键词：慢性肾衰竭；大黄；依据；机制；临床应用中图分类号：R692.5 文献标志码：A 文章编号：1673-842X (2022) 01- 0013- 05Application of Dahuang（Rhei Radix Et Rhizoma）in Chronic Renal FailureZHAO Dapeng 1，LIU Yiling 2，XUE Xiaoying 2，QIU Yuwen 2，LUAN Zhongqiu 1（1.The First Affiliated Hospital of Heilongjiang University of Chinese Medicine，Harbin 150040，Heilongjiang，China；2.Heilongjiang University of Chinese Medicine，Harbin 150040，Heilongjiang，China）Abstract：Chronic renal failure is the terminal stage of chronic kidney disease. It is a clinical syndrome with a long course of disease，various symptoms，and complex conditions. In recent years，the incidence of chronic renal failure patients has been increasing，and kidney disease has become one of the diseases性，值得进一步研究推广。

硫酸吲哚酚及硫酸对甲酚在慢性肾功能衰竭中的作用研究进展

硫酸吲哚酚及硫酸对甲酚在慢性肾功能衰竭中的作用研究进展基金项目：右江民族医学院附属医院２０１９年度第一批高层次人才科研项目（Ｒ２０１９６３２３）作者简介：卢棉，女，医学学士，在读硕士研究生，研究方向：慢性肾脏病的基础与临床。

Ｅｍａｉｌ：１６５０２１６７５８＠ｑｑ．ｃｏｍ▲通信作者：杨发奋。

Ｅｍａｉｌ：ｗｏｔａｎｌｏｎｇ＠１６３．ｃｏｍ［本文引用格式］卢棉，杨发奋．硫酸吲哚酚及硫酸对甲酚在慢性肾功能衰竭中的作用研究进展［Ｊ］．右江医学，２０２０，４８（１１）：８６３８６７．卢棉１，２，杨发奋１▲（右江民族医学院１．附属医院肾内科，２．研究生学院，广西百色５３３０００）【关键词】　慢性肾功能衰竭；硫酸吲哚酚；硫酸对甲酚；肠道菌群中图分类号：Ｒ６９２．５文献标志码：ＡＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００３１３８３．２０２０．１１．０１４我国慢性肾功能衰竭（ＣＲＦ）尿毒症患者逐年上升，如何延缓ＣＲＦ进展、提高ＣＲＦ患者生活质量已成为国内外的研究热点。

基于ＣＲＦ的高发病率、低生活质量、低预期寿命等特点，我国愈发重视对ＣＲＦ进展过程中可控因素的干预。

近年来，研究肠源性尿毒症毒素（ＧＤＵＴ）对ＣＲＦ患者的影响以及如何清除ＧＤＵＴ成为热点。

而硫酸吲哚酚（ＩＳ）、硫酸对甲酚（ＰＣＳ）是ＧＤＵＴ中的两个最主要的毒素，现对其一些新认识作一综述。

１　ＩＳ、ＰＣＳ的生物特性在ＣＲＦ患者中不能经尿液排出、蓄积于体液并且具有毒性作用的物质，称为尿毒症毒素。

ＣＲＦ进展与尿毒症毒素密切相关。

微生物代谢产物是尿毒症毒素的一类，ＧＤＵＴ是此类物质中经肠道菌群代谢产生的蛋白质结合类毒素。

ＩＳ、ＰＣＳ是ＧＤＵＴ的代表毒素，相对分子质量分别为２５１、１８８，与白蛋白均有较高的结合率，可达９０％以上。

大肠杆菌分解食物产生吲哚并由门静脉进入肝脏，经羟化、硫酸化而最终生成ＩＳ。

ＰＣＳ由肠道厌氧菌把食物的酪氨酸及苯丙氨酸转化为对羟基苯乙酸，对羟基苯乙酸经脱羧生成对甲酚，肠道黏膜吸收对甲酚，并在肠道上皮细胞磺基转移酶的作用下，生成ＰＣＳ。

基于双向GRU-CRF的中文包装产品实体识别

文章编号：1006-3080(2019)03-0486-05DOI: 10.14135/ki.1006-3080.20180407001基于双向GRU-CRF 的中文包装产品实体识别李一斌，张欢欢（华东理工大学信息科学与工程学院，上海 200237）摘要：为了实现包装行业的信息自动抽取，需要对文本中的包装产品进行命名实体识别工作。

设计了一种基于双向GRU-CRF 的中文包装产品实体识别方法。

以预训练的领域词向量为输入，通过双向GRU 网络对上下文语义信息进行建模，并使用输出端的CRF 层对最佳标签序列进行预测。

将该模型与传统的序列标注模型以及循环神经网络模型在包装产品文本数据集上进行了对比，实验结果表明，本文模型具有较少人工特征干预、更高准确率和召回率等优点。

关键词：命名实体识别；双向GRU 网络；CRF 模型；包装产品；深度学习中图分类号：TP391文献标志码：A智能化是继数字化和网络化之后新一代信息技术发展的重要方向[1]，随着信息技术的不断发展，包装产业也进入了高度智能化时代。

在包装产业高度智能化的环境下，大量的产品说明、用户手册等都是以电子文档的形式呈现。

为了给用户提供更好、更人性化的服务，必须结合用户的个性化需求，从多而杂的信息中找到有价值的商业信息。

然而在包装产业领域，产品名的构成复杂、长度较长，如“防静电透明PVC 板棒”、“双通道连卷背心袋机”等，这种结构使得产品实体识别比一般的实体识别更为复杂和困难。

为了充分挖掘包装产业信息中的价值，并为接下来的包装产业知识图谱构建、包装产业智能问答等基础应用打下良好的数据基础，包装产品实体识别是必不可少的步骤。

1 相关工作在产业信息处理领域，由于产品实体的结构特征多变、边界模糊，不适合用一般的命名实体识别的方法来处理。

根据命名实体的定义和已有的产品命名实体研究，一般认为产品命名实体包括品牌、系列、型号、种类和属性5个方面，但它们并非不可或缺，一些品牌的产品没有系列名，而一些品牌独有的系列则可以省略品牌名，如“JD-111电子式纸张耐折度测定仪”，这种复杂的名称组成结构对命名实体识别技术带来了很大的挑战。

于大君治疗慢性肾功能衰竭的经验刍议

2021年4月第23卷第2期湖北中医药大学学报April 2021，Vol.23，No. 2 Journal of Hubei University of Chinese Medicine 115f大君治疗慢性肾功能衰竭的经验刍议谭晓宁，叶可平，于大君(中国中医科学院西苑医院，北京100091 )摘要：在慢性肾功能衰竭的发生、发展过程中，脾肾亏虚为其根本，湿浊、瘀血、溺毒邪气内蕴为加速疾病进展的关键。

于大君教授遵循辨病与辨证相结合及中西医结合的原则，从“扶正”与“柱邪”两方面出发，确立健脾益肾、祛湿化疼、通腑泄浊的治疗原则。

从护胃气就是保肾气角度出发，治疗尤其重视健运脾胃。

在扶正的基础上，善用通法给邪以出路，以达正复邪去，五脏通畅，人即安和的目的。

关键词：慢性肾功能衰竭；健脾益贤;祛湿化瘀;通腑泄浊；于大君；名医经验中图分类号：R259 文献标识码：A doi：10.3969/j.issn. 1008-987x.2021.02. 33YU Dajun' s experience in treatment of chronic renal failureT A N X i a o n i n g,Y E K e p i n g,Y U D a j u n(X i y u a n H o s p i t a l o f C h i n e s e A c a d e m y o f T r a d i t i o n a l C h i n e s e M e d i c i n e,B e i j i n g100091 )A b s t r a c t s：In t h e c o u r s e o f t h e o c c u r r e n c e a n d d e v e l o p m e n t o f c h r o n i c r e n a l f a i l u r e,d e f i c i e n c y o f s p l e e n a n d k i d n e y is t h e r o o t,a n d d a m p n e s s,b l o o d stasis a n d t o x i c a n d evil qi a r e t h e k e y s to a c c e l e r a t e t h e p r o g r e s s i o n o f t h e d i s e a s e.F o l l o w i n g t h e p r i n c i p l e s o f d i s e a s e d i f f e r e n t i a t i o n a n d dialectical c o m b i n a t i o n a n d t h e c o m b i n a t i o n o f tradi t i o n a l C h i n e s e a n d w e s t e r n m e d i c i n e,P r o f e s s o r Y U D a j u n e s t a b l i s h e d t h e t r e a t m e n t p r i n c i p l e s o f s t r e n g t h e n i n g t h e s p l e e n a n d t o n i f y i n g t h e k i d n e y,r e m o v i n g b l o o d stasis b y c l e a r i n g d a m p，a n d c l e a r i n g t h e v i s c e r a a n d r e m o v i n g t h e t u r b i d i t y f r o m t h e t w o a s p e c t s o f“s t r e n g t h e n i n g t h eb o d y”a n d“d i s p e l l i n g e v i l”.F r o m t h e p o i n t o f v i e w that p r o t ec t i n g s t o m a c h qi is p r o t e c t i n g k id ne y q i，t h e t r e a t m e n t p a y s s p e c i a l a t t e n t i o n to n o u r i s h i n g s p l e e n a n d s t o m a c h.O n b a s i s of s t r e n t h e n i ng th e b o d y,t h e d r e d gi n g m e t h o d w a s u s e d to e x p e l l t h e evil a n d s o o t h t h e v i s c e r a to m a k e p e o p l e feel c o m f o r t a b l e.K e y w o r d s：c h r o n i c r e n a l f a i l u r e；s t r e n g t h e n i n g s p l e e n a n d t o n i f y i n g k i d n e y；c l e a r d a m p a n d d i s s i p a t i n g b l o o d s t a s i s；c l e a r i n g t h e v i s c e r a a nd re l e a s i n g t u r b i d i t y；Y U D a j u n；e x p e r i e n c e of f a m o u s d o c t o r慢性肾功能衰竭（CRF)是指各种原发性或继发性慢性肾脏疾患导致肾功能损害所引起的一系列症状和代谢紊乱组成的临床综合征:11。

从“和阴阳，调营卫”论治晚期肿瘤癌因性疲乏

㊃争鸣㊃基金项目:中国中医科学院科技创新工程(CI2021A01803);中国中医科学院西苑医院肿瘤科重点项目(2019XYMP⁃24㊁2019XYMP⁃29)作者单位:100091　北京,中国中医科学院西苑医院[周芮(硕士研究生)㊁李韬芝(博士研究生)㊁谷珍珍(硕士研究生)㊁吴娇(博士研究生)㊁崔宁㊁宋金洁㊁吴煜];北京中医药大学研究生院[谷珍珍(硕士研究生)]作者简介:周芮(1999-),2021级在读硕士研究生㊂研究方向:中医内科学肿瘤病研究㊂E⁃mail:562720485@通信作者:吴煜(1963-),硕士,主任医师㊂研究方向:中医内科学肿瘤病研究㊂E⁃mail:wy713@从和阴阳,调营卫”论治晚期肿瘤癌因性疲乏周芮　李韬芝　谷珍珍　吴娇　崔宁　宋金洁　吴煜【摘要】　癌因性疲乏是晚期肿瘤患者常见症状之一㊂疲乏不仅导致患者的躯体症状,还可使患者出现不同程度的焦虑㊁抑郁情绪,进而加重疲乏症状,形成恶性循环㊂本文基于和阴阳㊁调营卫”理论,提出晚期肿瘤癌因性疲乏的病机为阴阳失和㊁营卫失调,治疗时当调之使和,具体体现为调和阴阳㊁以平为期,调补气血㊁协调营卫,健脾补肾㊁扶正祛邪㊂临床治疗中应针对患者癌因性疲乏发生发展的不同诱因,辨证论治以遣方用药,以期为中医药指导晚期肿瘤癌因性疲乏的临床治疗提供理论依据及思路创新㊂【关键词】　阴阳;　营卫;　晚期肿瘤;　癌因性疲乏;　虚劳【中图分类号】　R249　【文献标识码】　A　doi:10.3969/j.issn.1674⁃1749.2024.03.015 癌因性疲乏(cancer related fatigue,CRF)是肿瘤患者最为常见的伴随症状之一,常贯穿肿瘤患者整个患病周期,随着疾病进展,患者的疲乏症状出现不同程度的加重㊂美国国家综合癌症网将CRF 定义为[1]:一种痛苦的㊁持续的㊁主观的㊁有关躯体㊁情感或认知方面的疲乏感或疲惫感,与近期的活动量不符,与癌症或癌症的治疗有关,并且妨碍日常生活㊂CRF 多见于中晚期肿瘤患者,以肺癌㊁消化道肿瘤㊁乳腺癌为主[2],75%晚期肿瘤患者存在疲乏症状[3],严重影响患者的治疗效果和生活质量㊂相关数据表明,CRF 与生理功能障碍之间存在关联,包括骨骼肌和线粒体功能障碍㊁外周免疫激活㊁炎症功能障碍㊁中枢神经系统障碍等[4⁃5]㊂治疗方面,CRF 的干预措施分为非药物疗法和药物干预,中重度疲劳患者目前药物治疗以皮质醇激素及中枢神经兴奋剂为主[3],但在改善症状的同时会引起其他不良反应,故药物治疗范围和作用有限㊂中医药在改善肿瘤患者疲乏症状和生活质量方面有明显优势,且治疗手段多样,针灸㊁中药汤剂㊁中成药对CRF 防治均有一定效果[6]㊂中医药基于整体观,辨证论治CRF,通过疏通气血㊁调整脏腑阴阳,使得人体功能趋平衡㊂然临床CRF 患者症状复杂,病情反复,单一的治疗思路无法获得长期的治疗效果㊂本文从中医阴阳㊁营卫㊁气血角度对CRF 的病因病机进行分析,以期为病机㊁合理选择治法方药提供理论指导和临床参考㊂1　CRF 与和阴阳,调营卫”1.1　中医认识CRF根据虚弱㊁乏力㊁消瘦及嗜睡等症状,可将CRF 归属于中医虚劳” 虚损”范畴㊂中医论治CRF 多从虚劳着手,‘金匮要略㊃血痹虚劳病篇“揭示了气血阴阳亏虚为病机之所在,提出黄芪建中汤㊁肾气丸㊁薯蓣丸等培补虚劳的方剂,兼顾祛邪,具备成熟的辨证论治体系㊂1.2 和阴阳,调营卫”的源流沈明宗‘金匮要略编注“云: 虚劳病非伤先天阴阳,即伤后天营卫”,指出虚劳主因阴阳营卫损伤㊂尤怡‘金匮要略心典“言: 人生之道,曰阴曰阳,阴阳和平,百疾不生”,以小建中汤之理法方药为例,分析阴阳营卫变化与机体发病的关系,提出和阴阳,调营卫”的治法[7]㊂1.3　CRF 与阴阳营卫的关系晚期肿瘤患者无法行根治术,已经伴有远处脏器或组织的转移扩散,化疗㊁靶向治疗㊁免疫治疗等抗肿瘤治疗损伤脾胃,卫气卫阳失乱于脉外,阴血营阴停留于脉内,阴阳失和,营卫失调,肢体肌肉濡养不足,精神清窍充养不佳,出现疲劳㊁乏力等症状,脏腑受累日久,出现精神㊁记忆㊁情绪㊁睡眠㊁体力等诸多改变,症状繁杂,虚劳难复㊂由此可知,阴阳营卫与晚期肿瘤CRF 的发病关系密切,可以在和阴阳,调营卫”理论下探讨其病机和治疗㊂2　晚期肿瘤CRF 阴阳失和,营卫失调”病机探讨2.1　癌毒损正,阴阳失和是源头恶性肿瘤具有局部属实,全身属虚的特点[8]㊂癌毒长期伏结体内,毒性猛烈,其本体上为有形之邪,有阴”的属性,病理变化上有向外扩张㊁四处走窜的趋势,又有阳”的属性,总体上呈现出体阴而用阳”的特点[9]㊂尤怡言: 阴阳和平,百疾不生㊂”机体阴阳平衡状态被打破,产生癌毒,癌毒胶着,形成癌肿,癌肿内部阴阳失和,继而加重外部机体失衡状态,产生肿瘤合并症㊂‘理虚元鉴“曰: 人之病,或为阴虚,或为阳虚㊂”晚期肿瘤患者脏气过伤,正气虚损,阳气日益衰微,阴血暗渐损耗,造成机体阴阳虚损,故见CRF㊂在癌毒致疲乏的基础上,阴阳制约进一步失控㊂久病损耗肾元,化疗造成骨髓抑制,损耗精血,阴精不足,髓海失充,脑窍受损,则精神倦怠㊁情绪低落;放疗热邪灼伤阴液,脾胃阴虚无以滋润,则饥不欲食;阴虚津亏,筋脉失养,肢体失濡,则全身无力㊁肢体沉重㊂癌毒纠集消耗正气,阻碍阳气输布运行,阳气衰微,不能温煦机体㊁振奋精神,则表现为精神萎靡㊁面色白㊂阴阳偏颇,白昼阳气不能出于肌表,夜间阴气不能入于体内,表现为困倦㊁失眠等症状[10],正如‘灵枢㊃寒热病“所言: 阳气盛则瞋目,阴气盛则瞑目㊂”临床研究中,阴虚证㊁阳虚证常为CRF单证候研究切入点,这正是阴阳失和为疲乏之源的体现㊂栗琼洋等[11]临床调查了151例结直肠癌CRF患者的虚证证候分布,其中阴虚证㊁阳虚证在CRF患者中的分布比例明显高于非CRF患者㊂王铁军等[12]认为CRF在肿瘤群体易反复发作,究其根本,应为阳化气不及,阴成形太过”㊂卢丽莎等[13]认为CRF 多因正气亏虚㊁阴阳两虚,龟鹿二仙胶汤可明显改善阴阳两虚型中晚期大肠癌患者疲乏程度㊂2.2　气血失用,营卫失调是基础‘素问㊃调经论篇“言: 五脏之道皆出于经隧,以行血气,血气不和,百病乃变化而生㊂”五脏营卫不和,从而变生他病,导致肿瘤和疲乏㊂‘活法机要“云: 壮人无积,虚人则有之,脾胃虚弱,气血两衰,四时有感,皆能成积”,说明正气不足所致的营卫失调是肿瘤形成的原因[14]㊂‘医宗必读㊃虚劳“言: 夫人之虚,不属于气,即属于血,五脏六腑,莫能外焉㊂”由此可见,晚期肿瘤患者在正气不足的基础上,受癌毒持续侵袭㊁放化疗反应等因素作用,耗伤气血,营卫运行失调,导致营养物质匮乏,肢骸筋肉失养,血衰肉枯,活动无力,从而产生CRF㊂根据CRF的临床表现,其气血关系可分从气血亏虚㊁气虚血瘀㊁气滞血瘀三方面简单概括㊂其一,晚期肿瘤患者久病迁延不愈,气血阴阳俱虚,气虚清阳不升,血虚濡润不足,头目清窍精微不足,则头晕眼花;气血不足以充盈脉络,血运无力,则为唇甲淡白,脉细弱;气血不能上荣于舌面,则见舌淡㊁面色无华[15]㊂其二,在CRF患者中,随疲乏程度加重,气虚发生频次呈现增加的趋势[16],晚期肿瘤患者久卧少动,劳逸失度,损伤元气,气虚则血行无力,血液涩滞于经脉,瘀血形成,气血难以通达肢体,产生活动无力㊁手足麻木的症状㊂其三,‘素问㊃热论篇“曰: 荣卫不行,五脏不通㊂”晚期肿瘤患者情志不遂日久,气滞于心胸,瘀血壅滞脉络,两者相互作用,循环往复,疲乏加重㊂现代诸多医家辨证CRF以营卫气血为基础,宋金洁等[17]应用数据挖掘方法,分析得出CRF中医证型依次为气血亏虚证㊁脾肾亏虚证㊁气虚证㊂张智敏[18]认为,气血亏虚导致机体失于濡养,故而导致疲乏,加味四君子汤能够缓解气血不足型CRF㊂李阳[19]认为,气血亏虚㊁阴阳俱损是虚劳的主要病机,拟定气血双调方,治疗肺癌化疗所致CRF,取得一定的疗效㊂2.3　脏腑虚损,虚劳难复是本质研究表明,CRF常伴随疼痛㊁抑郁㊁贫血或睡眠障碍等合并症[20]㊂晚期肿瘤患者正气耗损严重,组织机能减退,脏腑功能失调,五脏虚衰,疲乏难复㊂‘丹溪心法“云: 人身诸病,多生于郁㊂”肝主疏泄,调节气机㊁调畅情志,肿瘤患者情志不遂,思虑过度,肝气失舒,则见善太息㊁烦躁苦闷;肝主筋,司运动,癌毒实邪纠集人体,暗耗阴血,致肝血亏虚,筋脉失养,耐力下降,产生疲劳症状㊂心主身之血脉,晚期肿瘤患者心气不充或阴阳失调,血脉壅塞不通,心脉失养,常见心悸㊁怔忡;或因疾病思虑过度,暗耗心神,心胆气虚,产生焦虑㊁抑郁情绪㊂肺主气司呼吸,癌毒积聚于肺,肺脏本身气血滋养癌肿,正气受损,气的生成和运行障碍,一身之气不足,出现声低气怯㊁气短的症状,疲乏自生;晚期肿瘤,五脏虚损,肺脏亦伤,清气难以吸入,浊气难以排出,脏腑经络之气的升降出入运动失调,新陈代谢缓滞,虚劳难治㊂从中医脏腑而言,肾为先天之本,脾为后天之本,真阴真阳寄存于肾中,气血生化源于脾胃,故CRF发展到一定阶段,往往以脾肾证候表现较为明显[21]㊂‘脾胃论㊃脾胃盛衰论“中言: 百病皆由脾胃衰而生也㊂”脾主运化,在体合肌肉,化疗药毒伤脾,脾失健运,脾虚生湿,亦或湿邪侵入,湿困脾土,阻滞中焦,清阳不升,浊阴不下,则头身困重㊁纳呆便溏;药毒致脾胃受损,水谷精微运化失常,气血津液生化乏源,肌肉失养,出现消瘦㊁四肢无力㊂肾为五脏阴阳之本”,癌毒久侵,肾中精气匮乏,真元耗损,先天之本日渐消耗,积虚成损,出现脾肾阳虚㊁肝肾阴虚或阴阳两虚证候,导致CRF 症状繁杂,疲乏难复㊂研究表明,在CRF患者中,随着疲乏程度越重,虚证出现比例越高,其中轻度疲乏肾虚占比最高,中度疲乏心虚占比最高,重度疲乏肝虚占比最高,而脾虚在不同疲乏程度均有较高分布[16]㊂综上所述,CRF与五脏关系密切,是诸多因素共同作用的结果,其中阴阳失和是发病源头,营卫气血失调是物质基础,脏腑虚损是疾病本质,导致其症状繁杂㊁虚实交织,形成恶性循环,因此临床单一治疗思路无法获得长期效果㊂基于上述病机探讨,笔者认为中医治疗晚期肿瘤CRF 当调之使和,以平衡为准则,协调阴阳气血,以恢复脏腑的运化功能㊂3 和阴阳”乃调和阴阳,以平为期‘伤寒论“中讲到: 凡病阴阳自和者,必自愈㊂”CRF源于阴阳失和,晚期肿瘤患者疲乏长期存在,或伴随放化疗治疗出现,虽然中医多以虚劳”辨治,但患者的证候表现常根据肿瘤进展或抗肿瘤治疗出现阶段性变化,或为虚证,或为虚实交杂㊂因此,笔者认为调和阴阳不是单纯的补益,而是注重整体状态,增强人体正气,调补阴阳,使人瘤共生,从而改善疲乏㊂3.1　平调扶正,贯穿始终‘素问㊃至真要大论篇“言: 谨察阴阳所在而调之,以平为期㊂”晚期肿瘤患者接受抗肿瘤治疗后机体阴阳失衡,故在临床中先辨明其病性㊁病位之阴阳,按照其阴阳属性确定相应的治法,用中药阴阳偏性以调和阴阳,调整体质状态,改善疲乏㊂临床中可重用黄芪㊁太子参,注重平调阴阳,扶助正气㊂黄芪甘温纯阳,补诸虚不足,治病后气虚体弱,扶助正气;太子参甘平清补,较人参药力弱,避免重用补药导致虚不受补㊂3.2　调补阴阳,随证加减晚期肿瘤CRF患者可表现为阴阳两方面的偏颇不足,临床用药中补益阴阳宜和缓,避免过于温燥滋腻妨碍元气敷布㊂一方面,放疗火毒”耗伤肺㊁胃㊁肾之阴液,症见精神倦怠㊁情绪低落㊁饥不欲食㊁口干咽燥㊁舌红少津㊁脉细等,当以养阴润燥㊁益气生津为法,方选益胃汤㊁一贯煎加减,其中生地㊁枸杞滋养肝肾之阴,沙参㊁麦冬滋养肺胃之阴㊂大量补阴药易碍阳,可佐以少量的温阳药,以阳中求阴㊂另一方面,化疗药毒”耗伤机体脾胃阳气,肿瘤久病损及先后天之本,症见精神萎靡㊁面色白㊁畏寒肢冷㊁气短神疲㊁舌淡苔白㊁脉沉等,当以温补扶阳㊁健脾益肾为法,方选理中汤㊁肾气丸加减,其中干姜辛热助阳祛寒,白术健脾补虚助阳㊂补阳必损阴,阴为阳之基,因而扶助人体之阳气必须从阴精入手,以地黄等滋养阴精的药物为主,配合桂枝㊁附子温阳化气,而达到阴阳相配,化生阳气的作用㊂此外,针对疲乏患者的不同伴随症状可配以对症药物,以提高疗效,如夜交藤㊁茯神等滋阴养血安神以改善睡眠,玉竹㊁沙参㊁石斛等养胃阴以改善食欲,巴戟天㊁杜仲㊁菟丝子等激发阳气以振奋精神㊂3.3　恢复平衡,疲乏改善近年来诸多医家多有从阴虚㊁阳虚论治CRF,以治阴㊁治阳立论为主㊂邓哲等[22]认为CRF因虚致病者,太阴脾虚为病机根本,治当扶太阴复形质㊂王铁军等[12]应用益气温阳解毒法在临床治疗CRF,可有效改善患者的临床症状㊂然阴阳不离交合,二者互根互用㊁相互关联,故笔者认为治疗晚期肿瘤CRF当阴阳共调,滋阴当顾阳,助阳亦护阴,阴中求阳,阳中求阴,阴阳相济,以恢复平衡,减轻疲乏㊂4 调营卫”当调补气血,协调营卫‘灵枢㊃天年“曰: 血气已和,营卫已通,五脏已成㊂”气血的变化决定着机体生理活动的盛衰变化,晚期肿瘤病人有外无内,后天之本损伤,脾胃衰弱,阴血阳气来源不足,营卫不调,元阳衰惫,营养不足,疲乏自成㊂因此,笔者认为治疗重在调补气血,即温中健脾㊁协调营卫,促使营卫各行其道,气血津液畅达,各司其职,疲乏自缓㊂4.1　协调营卫,重在建中中焦脾胃为阴阳之机,营卫生化之本,人体营卫功能的恢复是疾病向愈的重要条件,宜调和气血以顾护胃气,治疗当甘温益脾胃,以滋生化之源,达到内调气血,外调营卫之功效,减轻患者疲乏症状及程度[23]㊂‘金匮要略“指出: 虚劳里急,诸不足,黄芪建中汤主之㊂”由此条文可知,虚劳乃阴阳气血诸不足,肿瘤与CRF均是虚劳的体现,临床治疗当重视健脾胃㊁建中气,善用建中汤类方温中补虚㊁补益气血㊂小建中汤㊁黄芪建中汤㊁当归建中汤三方中桂枝合饴糖辛甘化阳,芍药合饴糖酸甘化阴,肝脾调和,阴阳相生,加黄芪补气之功为著,加当归养血之能更旺,气血来源充足,则阴阳平衡,营卫和调,中气自立,体现了‘黄帝内经“ 劳者温之,甘药调之,是以温以甘为主也”的思想㊂4.2　补益气血,各有侧重晚期肿瘤CRF患者营卫气血亏虚,在温中健脾的基础上补益气血,人参㊁黄芪补气亦补营㊁化生气血,鸡血藤㊁当归㊁黄精等养血健脾㊁和胃养营,临床治疗时方药补益之力应当轻微和缓以保持药性持久,助营卫化生,慎用阿胶等易滋腻之品㊂CRF伴白细胞减少属卫阳不足,机体护卫肌表㊁抵御外邪作用减弱,表现为乏力㊁神疲㊁气短㊁懒言㊁舌淡㊁脉虚等卫气亏虚症状,治疗中应用益气温中健脾法,使机体防御能力提升,临床中常以四君子汤为基础方,气虚发热者以补中益气汤加减,脾虚泄泻明显者以参苓白术散加减,痰凝者加半夏㊁陈皮化痰行滞,气滞者加木香㊁砂仁行气通滞㊂肿瘤后期气血不足,CRF伴见癌性贫血属营血不足者,精微营养物质储备不足,表现为倦怠乏力㊁面色淡白㊁心悸㊁头晕㊁手足麻木㊁舌淡㊁脉细等营血亏虚症状,应注重气血同调,以益气健脾㊁益营养血为治法,方用八珍汤㊁归脾汤等,黄芪㊁白术㊁人参㊁甘草甘温补脾,当归补血和血,芍药养血敛阴,诸药共用,推津致营,疲乏减轻㊂4.3　气血论治,疗效确切现代研究表明,调畅营卫气化可通过多靶点多通路以纠正T细胞耗竭发挥抗肿瘤作用[24]㊂目前临床上从气血论治CRF的研究及经验颇多,这些研究从现代科学角度揭示了调理气血治疗CRF的作用机制㊂夏小健等[25]应用气血舒服散,治疗晚期肺癌CRF气血两虚证患者的疗效确切,减轻CRF程度,改善淋巴细胞水平㊂李普阳等[23]治疗CRF气血两虚证患者,应用血速升颗粒能够提高免疫功能,调节免疫炎症因子,减轻疲乏㊂综上,气血不离营卫,笔者认为调和气血重在甘温调脾,脾胃运化正常,营卫交会贯通,气血充盛调达,五脏协调,虚劳渐复㊂5 资脾肾”宜健脾补肾,扶正祛邪‘景岳全书㊃杂证谟㊃虚损“云: 疾病误治及失于调理者,病后多成虚损㊂”癌毒损伤正气,药毒耗损脾胃,自身情志不遂,阴阳互损,气血亏耗,最终导致五脏六腑失养,虚劳内生㊂CRF为五脏虚损的外在表现,以脾肾受累最为严重,因此,笔者认为调和阴阳当贯穿始终,补益气血应首尾一贯,治疗上以健脾益肾为主,依据患者的症状有的放矢加减用药㊁扶正祛邪㊂5.1　注重脾肾,顾护根本‘景岳全书㊃论治“言: 凡脾肾不足,及虚弱失调之人,多有积聚之病㊂”肿瘤的治疗强调顾护正气,而CRF更加注重调护脾肾㊂因而,临床上多应用六君子汤合二至丸加减治疗晚期肿瘤的CRF,健脾补肾,益气养血,促进脏器功能恢复㊂临证可采用山药㊁白术㊁茯苓健脾益气,女贞子㊁墨旱莲㊁枸杞子补肾养肝益精,淫羊藿㊁巴戟天㊁杜仲㊁补骨脂等补肾助阳,菟丝子平补肝脾肾,诸药共用,恢复机体的免疫功能㊁增强机体抗肿瘤能力,从而减轻疲乏㊂‘金匮要略“中八味肾气丸㊁薯蓣丸的应用体现出补益脾肾法治疗虚劳卓有成效㊂5.2　兼顾他脏,标本兼治‘医宗必读㊃积聚篇“: 积之成也,正气不足,后邪气踞之㊂”基于中医整体观,在调理脾肾㊁扶助正气的基础上,依据五脏内虚程度及外在症状遣方用药,扶正兼以祛邪,补泻兼施,攻补相宜㊂合并心烦失眠㊁心悸健忘等心神不宁表现,常用酸枣仁㊁远志等宁心安神;伴见纳呆便溏,久咳不止,气短而促,声低等肺脾气虚证者,可在四君子汤的基础上佐以桔梗培土生金;合并精神不振㊁情绪消沉等肝郁气滞表现,常用香附㊁郁金㊁合欢皮等理气解郁;合并形体肥胖㊁不思饮食等痰湿表现,常用半夏㊁陈皮㊁贝母㊁竹茹等祛痰除湿,炒麦芽㊁神曲等消食和胃,砂仁㊁白豆蔻化湿开胃;合并肿块刺痛㊁爪甲青紫㊁舌有瘀斑等血瘀表现,常用当归㊁鸡血藤㊁莪术㊁三棱等活血化瘀;癌肿明显者,常用白花蛇舌草㊁半枝莲㊁山慈菇㊁猫爪草㊁龙葵㊁夏枯草等解毒散结,以消除肿瘤转移及浸润㊂治疗过程中,视其治疗方案及阶段而有不同偏重,晚期终末阶段,则以姑息治疗㊁缓解症状㊁改善生存质量为主[26]㊂5.3　逐步恢复,疲乏缓解现代研究证明,健脾补肾法有调节下丘脑-垂体-肾上腺皮质轴及调节免疫的作用,能够增加食欲,促进营养吸收,改善贫血和疲乏[27]㊂詹萍萍等[28]临床运用健脾生髓膏方治疗化疗后CRF患者,可有效改善患者轻度贫血症状,提高免疫力㊂孙宏新等[29]应用精元康胶囊治疗脾肾亏虚型CRF 患者,可调节其免疫及炎症因子,提高机体的免疫功能,有效改善CRF症状㊂综上所述,在和阴阳,调营卫”治法的指导下,时时遵循阴阳平衡,营卫和调,脾肾互资的原则,逐渐推动气血津液运行,对CRF病机细致分析,治疗层次分明,使脏腑阴阳协调,最终疲乏缓解㊂6　小结疲乏贯穿于肿瘤发生㊁治疗㊁进展及康复的各个阶段,抗肿瘤治疗带来的副反应导致患者的生活质量降低甚至终止治疗,对治疗效果造成了严重影响㊂中医强调整体观念,营阴卫阳相随,气血津液畅达,共同维持机体阴阳和谐的生理状态㊂晚期肿瘤癌毒损伤正气,机体阴阳失和,气血失用,营卫失调,脏气渐衰,终至劳损,脏腑虚损,虚劳难复㊂中医药可有效改善CRF症状,提高生活质量,延长生存期㊂本文提出晚期肿瘤CRF发病关键是阴阳㊁气血㊁营卫失和,从和阴阳㊁调营卫”法入手,纠正阴阳气血失衡,结合中医辨证施治,注重健脾补肾,调护中焦脾胃,补其不足,泻其有余,具有针对性地遣方用药,使阴阳调和㊁营卫和谐㊁气血调达,疲乏得解,精神得复,支持患者进一步抗肿瘤治疗,充分发挥中医药优势,以期为临床辨证论治CRF提供有益参考㊂参考文献[1]　Berger A M,Mooney K,Alvarez⁃Perez A,et al.Cancer⁃RelatedFatigue,Version2.2015[J].J Natl Compr Canc Netw,2015,13(8):1012⁃1039.[2]　朴永吉,齐华平,唐蕙,等.癌因性疲乏临床研究中传统中药的研究现状[J].中国临床药理学杂志,2019,35(13):1395⁃1397.[3]　Strebkova R.Cancer⁃related Fatigue in Patients with OncologicalDiseases:Causes,Prevalence,Guidelines for Assessment andManagement[J].Folia Med(Plovdiv),2020,62(4):679⁃689.[4]　YANG S,CHU S,GAO Y,et al.A Narrative Review of Cancer⁃Related Fatigue(CRF)and Its Possible Pathogenesis[J].Cells,2019,8(7):738.[5]　Brownstein C G,Twomey R,Temesi J,et al.Mechanisms ofNeuromuscular Fatigability in People with Cancer⁃Related Fatigue[J].Med Sci Sports Exerc,2022,54(8):1355⁃1363. [6]　ZHANG X,QIU H,LI C,et al.The positive role of traditionalChinese medicine as an adjunctive therapy for cancer[J].BiosciTrends,2021,15(5):283⁃298.[7]　刘渡舟.金匮要略诠解[M].1版.北京:人民卫生出版社,2013.[8]　王熙,张莹雯,李娜.浅谈恶性肿瘤寒热错杂证[J].环球中医药,2022,15(11):2120⁃2124.[9]　卢燊,薛娇,张晓莹,等.从阴阳”视角辨识恶性肿瘤[J].中医杂志,2018,59(21):1828⁃1831.[10]　张乃文,李梦媛,李小黎,等.基于阴阳㊁营卫学说探讨生物钟基因对睡眠昼夜节律的影响[J].北京中医药大学学报,2022,45(4):376⁃381.[11]　栗琼洋.结直肠癌患者癌因性疲乏的证候特征和相关因素分析[D].北京:北京中医药大学,2019.[12]　王铁军,周丽婷,蔡乐琪,等.基于阳化气,阴成形”理论探讨益气温阳解毒法在癌因性疲乏治疗中的应用[J].中医药临床杂志,2021,33(11):2060⁃2063.[13]　卢丽莎,李玉龙,华杭菊,等.龟鹿二仙胶汤治疗阴阳两虚型中晚期大肠癌癌因性疲乏33例[J].福建中医药,2021,52(10):3⁃5.[14]　潘磊,夏孟蛟,李蒙丽,等.营卫不和与肿瘤的发生发展[J].中华中医药杂志,2019,34(1):47⁃49. [15]　贺娟玲,江宇泳.小柴胡汤加减治疗虚劳一例[J].中医临床研究,2018,10(32):116⁃118.[16]　谷珊珊.癌因性疲乏的证候特征及相关影响因素的研究[D].北京:中国中医科学院,2022.[17]　宋金洁,李中玉,张钟玥,等.癌因性疲乏的证候特征及用药规律分析[J].中国医药导报,2023,20(3):15⁃19. [18]　章淼,张智敏.加味四君子汤缓解气血不足型癌因性疲乏临床观察[J].四川中医,2019,37(4):91⁃93. [19]　李阳,张晶,王济国,等.气血双调方对肺癌化疗所致癌因性疲乏的效果研究[J].辽宁中医杂志,2022,49(8):96⁃98.[20]　徐咏梅,程培育,杨国旺,等.肺癌患者癌因性疲乏特点及中医证候的临床观察[J].中华中医药杂志,2017,32(10):4746⁃4749.[21]　王兵,侯炜,胡作为.1999 2017年中药治疗癌因性疲乏组方用药规律[J].医药导报,2019,38(2):248⁃252. [22]　邓哲,胡玉星,吴泳蓉,等.六经辨证在癌因性疲乏治疗中的应用[J].环球中医药,2020,13(9):1489⁃1493. [23]　李普阳,付增彬,李月牛,等.血速升颗粒对癌因性疲乏患者的疗效评价及机制[J].中国实验方剂学杂志,2021,27(17):118⁃123.[24]　唐心浩,储博文,秦媛媛,等.从三焦⁃营卫”气化失常角度探析肿瘤T细胞耗竭机制[J].中国实验方剂学杂志,2023:1⁃12.[25]　夏小健,张进科,黄蓓,等.气血舒服散治疗晚期肺癌癌因性疲乏患者气血两虚证36例[J].环球中医药,2021,14(7):1332⁃1335.[26]　陈翠珍,樊讯.成肇仁经方辨治恶性肿瘤综合治疗后经验[J].环球中医药,2023,16(3):527⁃530.[27]　李志明.健脾益肾法联合糖皮质激素治疗老年晚期大肠癌癌因性疲乏随机前瞻性研究[J].辽宁中医杂志,2016,43(12):2592⁃2594.[28]　詹萍萍,余玲,林洁涛,等.健脾生髓膏方治疗化疗后癌因性疲乏的临床疗效观察[J].中国全科医学,2019,22(15):1855⁃1859.[29]　孙宏新,申俊丽,孙民朋,等.精元康胶囊治疗脾肾亏虚型癌因性疲乏的临床研究[J].中医肿瘤学杂志,2021,3(3):40⁃46.(收稿日期:2022⁃11⁃26)(本文编辑:韩虹娟)。

前列地尔联合碳酸氢钠呋塞米及尿毒清颗粒治疗慢性肾功能不全患者临床研究

下腰丛联合坐骨神经阻滞麻醉安全性高。

综，神经导下腰丛神经阻，效果确切，能血流动力学水平，减少,性。

参考文献[1]阮哲，朱勇，林涨源,等•正三角和倒三角排列空心螺钉治疗股系[J].中国组织工程研究,2020,24(6)：924-930.[2]林良山•神经刺激仪辅助下腰丛联合坐骨神经阻滞麻醉在老年股骨颈骨折患者！关节置换术中的应用效果[J]•中国民康医学,2020,32(7):35-37.[3]景建闯，张志军•神经刺激仪定位后路单侧腰丛联合坐骨神经阻年患者！关置换术中血力学的影响[J].现代医用影像学,2018,27(5):1789-1790.[4]马龙，侯俊德,王志刚，等•硬膜外复合右美托咪腹镜结直肠癌治术患者免疫功能及影响[J].广西医科大学学报,2018,35(8):42-45.(收稿日期：2020-05-00)!"地余朕合'酸)钠及尿0请23治疗慢性89能不全患者临床研B郭慢性肾功能不全又称慢性肾衰竭(CRF),是由各种因素造成进行性慢性肾实质损害，导致肾脏难以维持基本功能，致使水电解质及酸解平衡紊乱,代谢产物潴留，免疫功能低下，并发感染，进而使消化、心血管、呼吸等各系，引发代谢，导致者，害[1](临要采取透析、肾移植、药物治疗CRF,但透析、肾移植，耐受性，患者难以，而采取肾患者肾衰竭对患者要意义。

本研究探讨前列地尔联酸、及CRF者中,下。

1资料与方法1.1回顾性选取2017年2月至2019年12月我院CRF患者73例，以治疗,基酸、及治36,酸、及治37。

性22例，女性15例；年龄32~73岁，平均(52±10)岁；病程 1~6年，平均(3.4±1.2)年；常规组男性23，女性13；年龄31~72岁，平均(50±10)岁；病程0.5~6年，平均(3.2±1.3)年。

2组基衡(！>0.05)。

1.2①：患者以恶心呕吐、上消化道出血、口腔氨臭味等消系，贫血、白细胞异常等血液系，心力衰竭等心血管系，及其他呼吸、神经肌肉等系入院，经临、慢性肾脏史、实验室检查综确诊CRF；肾小球滤过率(GFR)为25%~80%,血肌？(SCr)<443 "mol/L,肾图检查显示双肾分泌段、血管段、排泄功能，处DOI：10.11655/zgywylc2021.02.047作者单位：044000山西省运城市中心医院肾内科鹏于肾脏病预后质量倡议(K/DOQI)指南中#~$期；临床资料完整。

crf外贸术语

crf外贸术语
问：什么是 CRF?答：在每个电子商务交易过程中，客户都使用了一种称为“会员卡”(Member card)的支付方式。

当你购买物品时，你将获得一张称作“会员卡”的小型磁卡片，并把它插入 POS 机器上的插口中， POS 机即可显示出相应金额。

付款成功后，你便会收到包含有金额、日期和服务号码等信息的小票或信件。

CRF,俗称条形码，其中文意思就是“快速反应支付”。

简单地说，CRF (Stripe Electronic Transaction Standards)就是一种网络数据传输标准，由欧洲电信标准化协会(ETSI)制定，适合于在因特网上进行数字化贸易。

目前已经被欧美国家广泛采纳，并在全球范围内推广。

它的主要特点是将贸易各方的电子数据交换标准化，这样不仅能够提高贸易效率，而且还可以通过数据交换来减少现金流量。

CRF 对发展电子商务有着重大的影响，对于传统的外贸企业而言，利用 CRF 开拓新兴市场无疑具有巨大的吸引力。

随着国际互联网技术的飞速发展，信息化与全球化逐步融合，越来越多的人们开始享受到互联网带来的好处，从网上学习，网上购物，网上办公，网上炒股，网上理财……如今我们几乎可以想象到任何事情，也许再过若干年，当你走进一间咖啡厅里，拿起手机按下几个键，整个世界就会变得不同。

- 1 -。

用深度学习做命名实体识别（七）-CRF介绍

⽤深度学习做命名实体识别（七）-CRF介绍还记得之前介绍过的命名实体识别系列⽂章吗，可以从句⼦中提取出⼈名、地址、公司等实体字段，当时只是简单提到了BERT+CRF模型，BERT已经在上⼀篇⽂章中介绍过了，本⽂将对CRF做⼀个基本的介绍。

本⽂尽可能不涉及复杂晦涩的数学公式，⽬的只是快速了解CRF的基本概念以及其在命名实体识别等⾃然语⾔处理领域的作⽤。

什么是CRF？CRF，全称 Conditional Random Fields，中⽂名：条件随机场。

是给定⼀组输⼊序列的条件下，另⼀组输出序列的条件概率分布模型。

什么时候可以⽤CRF？当输出序列的每⼀个位置的状态，需要考虑到相邻位置的状态的时候。

举两个例⼦：1、假设有⼀堆⼩明⽇常⽣活的照⽚，可能的状态有吃饭、洗澡、刷⽛等，⼤部分情况，我们是能够识别出⼩明的状态的，但是如果你看到⼀张⼩明露出⽛齿的照⽚，在没有相邻的⼩明的状态为条件的情况下，是很难判断他是在吃饭还是刷⽛的。

这时，就可以⽤crf。

2、假设有⼀句话，这⾥假设是英⽂，我们要判断每个词的词性，那么对于⼀些词来说，如果不知道相邻词的词性的情况下，是很难准确判断每个词的词性的。

这时，也可以⽤crf。

什么是随机场？我们先来说什么是随机场。

The collection of random variables is called a stochastic process.A stochastic process that is indexed by a spatial variable is called a random field.随机变量的集合称为随机过程。

由⼀个空间变量索引的随机过程，称为随机场。

也就是说，⼀组随机变量按照某种概率分布随机赋值到某个空间的⼀组位置上时，这些赋予了随机变量的位置就是⼀个随机场。

⽐如上⾯的例⼦中，⼩明的⼀系列照⽚分别是什么状态组成了⼀组位置，我们从⼀组随机变量{吃饭、洗澡、刷⽛}中取值，随机变量遵循某种概率分布，随机赋给⼀组照⽚的某⼀张的输出位置，并完成这组照⽚的所有输出位置的状态赋值后，这些状态和所在的位置全体称为随机场。

中文实体关系抽取中的特征选择研究_董静

我们的工作集中在汉语的实体关系抽取上 ,并使用 ACE 提供的汉语语料作为我们训练测试的数据。我们分析统计了实体关系中作为参数的两个实体特征信息 ,尤其是句法特征 ,然后以这些信息作为根据 ,将关系划分为两种 ,我们称之为 : 包含实体关系与非包含实体关系。并针对这两种关系的差异 , 提出新的句法特征 ,构建不同的特征空间。
收稿日期 : 2007203223 定稿日期 : 2007204216 作者简介 : 董静 (1983 —) ,女 ,硕士生 ,主要研究方向为自然语言处理 ;孙乐 (1971 —) ,男 ,博士 ,副研究员 ,主要研究方向为自然语言处理 ;冯元勇 (1973 —) ,男 ,博士生 ,主要研究方向为自然语言处理。
4期
董静等 : 中文实体关系抽取中的特征选择研究
81
( P H YS) ,每一个大类又包括若干子类型。实体关系抽取可以应用到自动问答 ,信息检索[2] 等领域中 , 比如 ,自动问答中的这样一个问题 : 谁是美国的现任总统 ? 如果存在一个美国和美国总统的雇佣 ( Employment) 关系 ,那么答案就迎刃而解了。
① 在 ACE 中 ,一个句子中具体位置的实体词组称为实体提及 ;实体是指一篇文章中指代同一个实体概念的所有实体提及。在不影响文章意思表达的前提下 ,为了使文章更加简洁 ,本文将实体提及也简称为实体。
82
中文信息学报
2007 年
察”和“贝尔格勒法学院”之间也是雇佣关系。为了区分这两种实体关系 ,我们将之称为 : 包含实体关系和非包含实体关系。我们发现 ,在这个实验中 ,包含关系和非包含关系的结果相差非常大 ,包含关系的 F 值为73. 4 ,而非包含关系的 F 值仅为 37 . 6 。我们认为 ,人们通常所用的一些特征并不具有普遍区分度 ,它们在我们所提出的这两种实体关系上就表现的很不平衡 ,并且通过我们后面的实验 ,我们也发现 ,这两种实体关系对于一些特征 ,特别是句法特征 ,具有很不一样的敏感度。因此我们将它们分开 ,使用不一样的特征或不一样的特征权重来处理这两种关系。