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

采用热重法在1173~1373 K、全CO气氛条件下,对首钢烧结矿进行还原动力学实验,确定了还原反应的表观活化能,进而推断在还原反应的前期烧结矿还原速率均由界面反应控制,还原反应后期的控制环节为固相扩散.分别由未反应核模型和固相反应动力学模型,分段给出不同温度下控制环节突变的时间点;通过动力学公式计算,得出不同温度下的反应速率常数和固相扩散系数.利用光学显微镜观察了烧结矿在各还原阶段的微观形貌,验证了烧结矿还原动力学的机理,同时也证明了扩散控制阶段使用体积缩小的未反应核模型与实际情况是吻合的

采用等温凝固实验、差示扫描量热仪(DSC)研究了K424合金的凝固行为以及冷却速度对其影响.利用光学显微镜、扫描电镜以及能谱分析仪分析了合金在不同温度等温凝固、不同冷却速度下的微观组织以及凝固后期的元素的偏析行为,确定K424合金的固相线、液相线和主要相的析出温度等凝固特性以及冷却速度对γ'相、MC碳化物以及共晶组织的影响规律.研究结果表明:K424合金的凝固顺序为:1345℃,γ相从液相析出,随后在1308℃析出MC型碳化物,在非平衡凝固条件下,共晶组织在1260℃析出,1237℃,凝固结束;共晶组织的形成与凝固末期Al、Ti元素的偏析行为以及冷却速度密切相关;随着冷却速度的增加,MC和共晶组织尺寸及数量均呈现先增大后减小的趋势;γ'相形貌从花瓣形状向规则立方及球形转变,尺寸也从2 μm减小至60 nm