医疗实体识别是电子病历文本信息抽取的基本任务。针对中文电子病历文本复合实体较多、实体长度较长、句子成分缺失严重、实体边界不清的语言特点以及标注语料难以获取的现状，提出了一种基于领域词典和条件随机场（CRF）的双层标注模型。该模型通过对外部资源的统计分析构建医疗领域词典，再结合条件随机场，进行了两次不同粒度的标注，将领域词典识别的准确性和机器学习的自动性融为一体，从中文电子病历文本中识别出疾病、症状、药品、操作四类医疗实体。该模型在测试数据中的宏精确率为96.7%、宏召回率为97.7%、宏F1值为97.2%。同时对比分析了采用注意力机制的深度神经网络的识别效果，因受到领域数据集大小的限制，在该测试数据集中后者表现不佳。实验结果表明了该双层标注模型对中文医疗实体识别的高效性

针对工业生产700 MPa级高强度调质态钢板，通过Gleeble3500热模拟机进行模拟焊接试验，利用光学显微镜、硬度仪、场发射扫描电镜等设备对比研究了稀土Ce对高强钢焊接热影响区（HAZ）显微组织、晶粒度和力学性能的影响。研究结果表明，焊接热输入为25 kJ·cm?1和50 kJ·cm?1时，无稀土钢焊接热影响区冲击功分别为84.8 J和24.5 J，Ce质量分数为0.0018%的钢焊接热影响区冲击功分别为110.0 J和112.0 J，因此钢中加入适量Ce能够有效改善钢板焊接韧性。对比分析两种实验钢焊接热影响区晶粒尺寸和显微组织可以看出，随着焊接热输入值增大，高强钢焊接热影响区显微组织均逐渐从马氏体、下贝氏体转变为上贝氏体和粒状贝氏体组织，且奥氏体晶粒尺寸明显增大。但相同焊接热输入下，含Ce钢焊接热影响区晶粒尺寸显著减小，组织更加细小，且脆性的上贝氏体组织减少，从而显著提高了700 MPa级高强钢的焊接性能

目前工业规模的发酵罐容积已达到几十立方米或几百立方米。如按百分之十左 右的种子量计算,就要投入几立方米或几十立方米的种子。要从保藏在试管中的微 生物菌种逐级扩大为生产用种子是一个由实验室制备到车间生产的过程。其生产方 法与条件随不同的生产品种和菌种种类而异。如细菌、酵母菌、放线菌或霉菌生长 的快慢;产孢子能力的大小;及对营养、温度、需氧等条件的要求均有所不同。因 此,种子扩大培养应根据菌种的生理特性,选择合适的培养条件来获得代谢旺盛、 数量足够的种子