专利制度的产生和发展 起源于欧洲,随商品经济的发展而产生并逐渐发 展。专利制度萌芽于1474年的威尼斯共和国,但最 早制定现代专利法的国家是英国。我国于1985年4月 正式实施《中华人民共和国专利法》。现在世界上有 100多个国家建立了专利制度

2-3现代文献和信息资源发展的整体特征 一、数量庞大,增长迅速 二、时效性强,代谢频繁 三、广泛分散,交叉重复 四、载文聚散,分布有序 五、形式多样,文种复杂

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

宏观经济学 药物经济学 卫生法学 形势与政策（一） 形势与政策（二） 形势与政策（三） 形势与政策（四） 财务管理 组织行为学 行政文书写作 管理学基础 公共关系学 部分课程简介 中医气功学 中医信息检索 教育学 中医与运动 实用医学绘图 田径 运动医学文献 中医药科学研究思路与方法

应用与背景 语言模型 主题模型-隐语义分析与矩阵分解  Latent Semantic Indexing (LSA), SVD and MF 主题模型-概率隐语义分析  Probabilistic Latent Semantic Indexing (pLSA) 多项式分布、狄利克雷分布与共轭  Conjugate Prior, Dirichlet Distribution and Conjugate 主题模型-隐狄利克雷分布  Latent Dirichlet Allocation (LDA)

 背景、示例与应用  推荐系统要素  常用推荐方法 基于内容的推荐方法 基于标签的推荐方法 基于网络的推荐方法 基于上下文的推荐方法  推荐方法测试

文本分类（Text Classification）  示例、定义与范畴  文档表示与特征选择  中文文本类别与层次分类结构（人工）  文本分类方法 分类流程 基于划分的方法（e.g., K近邻） 基于模型的方法（不细讲）  分类效果评估

• 什么是Graphical Model • 定义、示例 • Representation、Inference、Learning • 主题模型与分类 • LSA (Latent Semantic Analysis), 1990 • pLSA (probabilistic Latent Semantic Analysis), 1999 • LDA(Latent Dirichlet Allocation), 2003 • Hierarchical Bayesian model • 主题模型的R语言实现示例

语义网（Semantic Web）  语义网提出的背景  语义网概念与体系结构  XML与RDF格式 标记语言 可扩展标记语言（XML）  本体  语义网应用

文本聚类（Text Clustering）  一般性聚类任务 聚类任务引出；应用背景；相似性度量；学科栈  文本聚类任务 聚类对象与文本特征 基于划分的方法（e.g., K-Means） 基于层次的方法 基于密度的方法（e.g., DBScan）  聚类效果评估