数学建模含义范文第1篇

关键词：本体学习；自动化；本体构建

一、本体的定义

本体一词来源于哲学，它指的是一种存在的系统解释。近年来，在计算机科学中关于本体的研究越来越多。在人工智能界，Ontology被定义为“给出构成相关领域词汇的基本术语和关系，以及利用这些术语和关系构成的规定这些词汇外延的规则的定义”。在信息系统、知识系统等领域，最著名并被引用得最为广泛的定义是由Gruber提出的，“本体是概念化的明确的规范说明”。W.N.Borst对该定义进行了引申“本体是共享的概念模型的形式化的规范说明”。Fensel对这个定义进行分析后认为Ontology的概念包括4个主要方面：

概念化（conceptualization）：客观世界的现象的抽象模型。

明确（explicit）：概念及它们之间联系都被精确定义。

形式化（formal）：精确的数学描述。

共享（share）：本体中反映的知识是其使用者共同认可的。

目前，关于本体的公认的定义是Gruber在1994年提出的：“本体是关于领域共享概念的一致的形式化说明”。这个定义包含3层含义：

共享概念包括用来对领域知识进行建模的概念框架、需要互操作的主体之间用于交互的与内容相关的协议以及用于表示特定领域的理论的共同约定等。

本体必须是一致的，即本体概念和关系不能出现逻辑上矛盾的陈述或推理上的逻辑矛盾。

本体的描述是形式化的，支持对领域概念和关系的推理。

二、基于本体学习的自动或半自动本体构建方法

由于人工的方法费时费力，使得本体的构建成为一项艰巨的任务。因此，如何利用知识获取技术来降低本体构建的开销是一个很有意义的研究方向。

国外在该方向的研究很活跃，把相关的技术称为本体学习技术（Ontology Learning），其目标是利用机器学习和统计等技术自动或半自动的从已有数据资源中获取渴望的本体。根据源数据结构化程度，可以将本体学习技术分为以下类别：

（一）基于结构化数据的本体学习

结构化数据主要是包括关系数据库或面向对象数据库中的数据。现在的应用大多采用关系数据库来组织和存储数据。但是关系模型有一个致命弱点，即它不能用一张表模型表示出复杂对象的语义。

基于结构化数据的本体学习的主要任务就是分析关系模型中蕴涵的语义信息，将其映像到本体中的相应部分。

从数据库中抽取本体，一般的做法是：利用数据库的逆向工程或映射技术将关系模型转换为一种中间模型，然后将该中间模型转换成本体。

例如，Johannesson提出了将关系模型转换成一个概念模型，该概念模型实际上是扩展的实体――关系模型的形式化表示，然后由用户对该概念模型进行修订生成最终的本体。

Rubin等人提出了一种使用关系数据库中的数据来丰富指定本体中的实例，并自动获取这些实例在相应属性上值的方法。Stojanovic等人使用映射技术将关系数据库模式映射为本体。通过考察数据库中的表、属性、主外键和包含依赖关系，给出了一组从关系模型到本体的映像规则，在根据这些规则的基础上能够直接获取候选本体。由于关系模式中蕴涵的语义十分有限，所以只适合构建轻量级的本体。Kashyap提出首先根据关系模式得到一个初步的本体，然后基于用户查询进一步丰富该本体中的概念和关系。由于用户查询具有很大的随机性，所以很难保证结果的质量。Astrova通过对数据库中的元组的分析，得到了概念间的继承关系。

（二）基于非结构化数据的本体学习

非结构化数据是指没有固定结构的数据，例如纯文本、Web网页、Word文件和PDF文件等。目前，基于非结构化数据的本体学习技术的研究主要集中在从纯文本中获取本体。由于缺乏一定的结构，要使机器能够自动地理解纯文本并从中抽取出需要的知识，必须利用自然语言处理（Natural Language Process，NLP）技术对其预处理，然后利用统计、机器学习等手段从中获取知识，重点是从文本抽取领域概念、实例，并发现概念之间的关系。

对于概念的获取，常用统计方法是计算概念在文本集中出现的频率，如果该频率大于指定的阀值，则将其作为领域本体中的概念。对于概念间关系的获取有基于模式，概念聚类，关联规则挖掘的方法。基于模式的方法需要判断文本中词的序列是否匹配某个模式，如果匹配，则可以识别出相应的关系。概念聚类的方法是利用概念之间的语义距离，对概念进行层次聚类，聚类的结果就是概念间的分类关系。关联规则挖掘的方法常用来获取概念间的非分类关系，其基本思想是，如果两个概念经常出现在同一文档（或段落，句子）中，则这两个概念之间必定存在关系。

目前，从纯文本中获取概念和概念间分类关系的研究比较多，但对概念间非分类关系的获取，大部分方法都停留在判断两个概念之间是否存在关系的层次。该方法需要人工预先制定模板。

（三）基于半结构化数据的本体学习

大量的XML格式和HTML格式的网页，以及它们遵循的文档类型定义（XML Schema或DTD）等具有隐含结构的数据都是半结构数据。本体学习的方法是利用一些映射规则从中获取本体。

另外，机器可读的词典也是一种特殊的半结构化数据，通常使用语言学分析，语义分析和模式匹配等方法来获取特定领域的概念及概念之间的关系。鉴于传统字典对于每个字词所定义的同义词、字根、原形等关系，该建构方法就是利用这种词汇与词汇之间的关系――上位词、下位词来确定概念的阶层关系。基于字典的建构方法是其他建构方法的基础，然而以此方法建构的本体通常为一般性的描述，并不是与特定领域相关的本体，因此必须结合其他方法以及由领域专家的参与才能形成有意义的本体架构，故此方法无法独立使用。该建构方法不仅受限于字典本身的范围大小，而形成不同范围的子领域，还存在无法适应环境变化的要求而造成遗漏信息。

Papatheodorou等人提出了一种从XML或RDF格式的文档中获取概念间分类关系的方法；Modica等开发的OntoBuilder工具能够用户浏览行为从XML和HTML标记的半结构化数据源中生成本体的功能。2003年，Volz等人提出了一种基于XML Schema和DTD的本体学习方法。该方法依赖于一组从源数据到本体的映射规则或模式匹配规则，如何获取这些规则就成为关键。

总之，采用本体学习技术，虽然可以简化人工构建本体的工作量。但在实际的知识获取过程中，有些知识虽然人能理解，但很难确切地表达出来，比如很多隐含的概念和概念间的关系，这些关系都是隐含在人的头脑中或者是文档中的。另外这些隐含的概念及概念间的关系要用形式化的方式确切地表示出来更加困难。

参考文献：

1、邓志鸿,唐世渭,张铭等.Ontology研究综述[J].北京大学学报(自然科学版),2002(5).

2、Thomas R,Gruber.Toward Principles for the Design of Ontologies Used for Knowledge Sharing[J].Revision,1993(23).

3、Fensel D,Harmelen F Vl.OIL:An Ontology Infrastructure for the Semantic Web.IEEE Intelligent Systems,2001(2).

数学建模含义范文第2篇

【关键词】认知模糊 认知清晰 知识建构

学生对数量关系的掌握与理解，仅仅依靠数量关系概念表象的清晰认知，而不经过对概念本质“二次模糊”的“彻悟”过程，不能真正实现对数量关系概念内涵与外延的厘清和内化。因为学生在理解概念内涵的过程中其内在的思维与外显的行为会在“断裂”与“链接”中交替出现，即学生的数学思维方法和解决问题的行为方法会出现不一致的现象，需要在“二次模糊”的再认知过程中走向再度清晰，继而达到对数量关系含义的真正掌握和真实建构。

笔者近日听了一节苏教版一年级下册“求两个数相差多少的实际问题”一课。

课堂上学生对于红花片比蓝花片多几个，始终有学生用“8+5=13（个）”的算式进行列式解答。不管课堂上教师怎么着急，怎么强化，甚至规定算法，还是有学生依然如故。学生在课堂上为什么会如此“执着”？笔者以为，数量关系的概念建构需要适时引领学生经历“二次模糊”的认知过程，使学生在“初次模糊”中走向概念感知，在“二次模糊”中走向知识建构。

一、知识建构，需在“初次模糊”中激发思考

在解决问题的过程中，由于低年级学生的思维方式以具体形象思维为主，因而，一旦所求问题中的已知信息过度地抑或过早地清晰化或直观化，就会导致学生通过观察直接“触摸”所求问题的结果，使学生丧失了必要的数量关系分析的过程，阻碍了学生解决问题过程中的数学思考，抑制了学生应有的解题技能的形成。因此，在教学实践中，当学生初步感知数量的多少关系时，需要给学生呈现“模糊”的数学信息情境，让学生无法直接“触摸”所求问题的结果，从而激发学生自然展开数学思考，主动探究所求问题的思维路径和解题方法。

课堂上，教师一旦如图出示：

红花片比蓝花片多几个？学生便会“无视”教师的“强调”与“强化”，毅然用“8+5=13（个）”进行解题，并在集体交流时异口同声回答“多5个”。究其原因：（1）学生用加法算式解答此问题，说明学生未能体会到求“两数相差问题”的数量关系时其中所蕴含的减法意义，学生对减法意义的理解只仅仅停留在“去掉”的含义上。因而，此时学生对于两数相差关系不能直接运用减法算式进行解答，符合学生已有的知识经验和学习现实。（2）对于学生在列出“8+5=13（个）”的基础上，却能异口同声回答“多5个”，那是因为学生通过直观观察这些摆放整齐、清晰的花片后数出来的，此时学生的思维方式与所求问题的方法路径是“断裂”的。即在这一数学活动中，得出的“多5个”与“8+5=13（个）”这个算式之间没有对应关系，“多5个”是学生数出来的，“8+5=13（个）”是学生在得出“多5个”结果的基础上列出的算式，此算式的结果与所求问题的结果不是对应关系，导致学生的思维路径和解题方法未能有效“链接”，这两步思路之间没有必然的因果联系。因此，学生此时的思绪是无序的，思维是低效的。导致学生思维如此低效的原因恰恰是教师给予了学生清晰的花片个数，未能激发学生产生有效的数学思考。

故而，教师教学时，需要给学生呈现模糊的信息图，不出现具体数量的花片图，如图：

通过观察，激发学生展开有序思考。（1）你能看出是红花片多？还是蓝花片多？你是怎么看出来的？（引导学生说出是比出来的）（2）进一步追问：红花片比蓝花片多多少？（课堂上学生此时无语，知道多但无法用语言表达）（3）教师进一步引导：你能指出多的部分吗？学生上黑板指出多的部分后，教师顺势引导：你能给大家指明白一点吗？从哪儿到哪儿是多的部分？为什么这部分就是多的呢？（引导学生说出另一部分是和蓝花片同样多的）（4）教师紧接追问：这部分是多的，那另一部分就是……生：和蓝花片同样多的部分。师：也就是谁的个数？生：蓝花片的个数。（5）教师趁势点拨：要求红花片比蓝花片多几个？只要从红花片中把哪一部分去掉？生：左边部分去掉。师：这部分的个数也就是谁的个数？生：蓝花片的个数。师：所以，要求红花片比蓝花片多几个？只要从红花片里把谁去掉？（6）教师引导学生得出结论：要求“红花片比蓝花片多几个”就是要从红花片个数里去掉蓝花片的个数。这样，教师只给学生呈现模糊的图形信息，学生根本无法用具体的数列出无效算式，而是在教师的引导下展开有效的、积极的数学思考，去探索“两数相差关系”的数量概念含义，形成解决此类问题初步的方法模型。

二、知识建构，需在“一度清晰”中引发认知

在知识建构过程中，学生的求知欲望将在建立数量关系概念表象的基础上被自然激发，由此不断激励学生对数学知识的深度探求，引发学生产生从概念表象走向知识本质的认知渴望。此时，对两数相差数量关系的理解需要从“初次模糊”走向“一度清晰”，让学生在清晰的数量信息中直接感知数量之间的大小关系，促进学生对相差数量关系结构的把握和内涵的理解。

学生在通过自己的观察和思考后，已经初步感知了两数相差多少的数量关系的含义，关于两数相差多少的数量关系结构模型在学生的脑海里得到初步建立，两数相差关系的数学概念得到初步表征。所以，此时学生急切想知道具体的红花片和蓝花片的个数，以便得到清晰的两数相差的结果，满足自身的学习需求。课堂上，当教师顺势在课件上引出红花片和蓝花片的清晰实物图后，学生集体兴奋，争先恐后抢着列式解答，为了满足学生的学习需求，促进全体学生理解两数相差关系中所蕴含的减法的意义，并掌握利用减法算式解决两数相差关系的数学问题，教师利用课件不断变化红花片和蓝花片的个数，引导学生进行抢答。此时学生都是用红花片的个数直接减去蓝花片的个数，没有学生再出现用加法算式列式解答的现象。这样从相差关系的模糊概念中抽象出具体的数的大小关系，既顺应了低年级学生“数数”的认知特点，也迎合了低年级学生学习的心理特征，有效促使学生对两数相差关系的理解由感知走向感悟，促进学生在清晰的具体数量关系情境中感悟减法算式的结果所表示的“红花片比蓝花片多几个”的实际含义。因此，引发学生从认知模糊走向认知清晰，实现了学生的数学思考与学习行为的有效统一。

三、知识建构，需在“二次模糊”中生发技能

学生的思维经历了从模糊走向清晰的认知后，看似在课堂上能够顺利根据具体清晰的情境信息进行列式解答，然而此时部分学生的学习更多地表现为一种课堂模仿，并未真正达到理解与内化，更未形成相应的解决问题的技能。因此，此时教学还需要教师再次引导学生走进“二次模糊”的认知过程中，促使相差数量关系概念内涵的发展，促进学生对两数相差关系结构模型的建构，使学生在“二次模糊”中真切感悟两数相差数量关系的结构特征，真正掌握两数相差关系的数量概念本质，不断生发解决此类问题的必要技能。

所以，在利用清晰的花片实物图抢答的时候，为了使学生在解决问题的过程中，逐步建构两数相差关系的数学模型，教师教学时要巧妙利用课件隐去具体的、可数的实物图形，只留下一些诸如示意图、数学符号或语言文字等“模糊信息”，引领学生在这些“二次模糊信息”中探寻数量关系的共性特征，掌握解决问题的基本技能。

红彩带比绿彩带长多少？（3）哥哥比弟弟大几岁？所有这些图形、符号以及文字中所隐含的“多与少”“长与短”“大与小”等相差关系都是呈现给学生模糊的信息，没有呈现具体清晰的数量个数，学生无法直接“数数”“触摸”两数比较的结果，必须要通过列出相应的数量关系式才能表示结果。因而，学生在如此“模糊”的信息中必须寻找题中共同的结构特点以及探索同一的解题方法的规律。即通过探索明白：要求“苹果比梨多几个”就用苹果的个数减去梨的个数，要求“红彩带比绿彩带长多少”就用红彩带的长度减去绿彩带的长度，要求“哥哥比弟弟大几岁”就用哥哥的岁数减去弟弟的岁数。从而理解实际问题中相差数量关系的含义。此时，教师顺势促使学生主动建构模型，助推学生解题技能的形成。引出诸如：要求比多几个？大数比小数大多少，可以怎样直接列式解答？引导学生直接列出算式：-=，大数-小数=。这样引领学生经历了“二次模糊”的探索过程，学生不仅对两数相差多少的数量关系的思考方法以及解题思路有了切身的体验与深刻的理解，而且可以直接用减法算式来表示两数相差关系的意义，学生的数学学习就会从教师反复强调的被动接受转化为学生自主探索的主动内化。学生对数学知识的建构就会经历从直观图形的感知到符号语言的抽象过程，实现了数学认知的“二次模糊”到数量关系的本质“彻悟”。

数学建模含义范文第3篇

【关键词】 骨质疏松

D-半乳糖衰老机制是指在一定时间内，给动物连续注射大剂量的D-半乳糖，使机体细胞内半乳糖浓度增高。在醛糖还原酶的催化下，还原成半乳糖，该物质不能被细胞进一步代谢而堆积在细胞内，影响细胞的正常生理代谢，导致机体衰老〔1〕。衰老过程常会伴随着老年性骨质疏松症的发生，因此，利用致衰老模型探索致老年性骨质疏松症发病机制具有一定的研究价值。虾青素是一种非维生素A原的羟酮式类胡萝卜素，广泛存在于自然界的海洋动物体、藻体及少数陆生植物体内并具有多种生物学功能，其中尤以抗氧化、防止心血管疾病、提高免疫力和抗癌作用明显〔2〕。本实验旨在通过虾青素对骨质常参数如骨密度、骨结构力学参数、生物力学参数、主要骨矿物质(钙、镁、锰、磷)、血清磷钙、羟脯氨酸含量及碱性磷酸酶活性等来研究此类化合物对D-半乳糖致衰老大鼠骨质的影响。

1 材料与方法

1?1 主要仪器和试剂 Labconco冰冻真空干燥仪(法国乐高公司)；752分光光度计、AE100电子天平(中国伯乐公司)；电热三用水箱、KA-1000型台式离心机(中国杭州华亭公司)；960型荧光分光光度计、J2-SH高速冰冻离心机、Lunar-XR型双能X线骨密度测定仪、岛津万能实验机、火焰原子吸收分光光度计(日本岛津公司)；C30柱(YMC Carotenoid S-5,Waters)高效液相色谱(HPLC)(Waters 600E溶剂输送系统，PDA-2996二极管阵列检测器Waters),丙二醛(MDA)和超氧化物歧化酶(SOD)测定度剂盒(南京建成生物工程研究所)；虾青素乳化剂(瑞士罗氏公司)；乙腈、甲醇、甲基叔丁基醚(MTBE)(美国迪马公司)；无水乙醇(北京化学试剂公司)；大孔吸附树脂(天津农业股份公司)。

1?2 乳化剂破乳制备虾青素

1?2?1 虾青素萃取 称取10g乳化颗粒，加入300ml丙酮-正己烷萃取。将脂溶性相收集，再进行浓缩处理。

1?2?2 虾青素提取液柱色谱纯化 (1)装柱：将活化好的氧化铝装填于玻璃层析柱中，用正己烷润湿。(2)洗脱：分别取2ml虾青素提取液上柱，用50ml正己烷-丙酮淋洗，收集洗脱液。将洗脱液用氮气吹干制粉备用。

1?3 虾青素鉴定 根据其高效液相色谱(HPLC)中保留时间和紫外可见吸收光谱的特征峰与标准品对照进行鉴定。

1?4 动物实验

1?4?1 D-半乳糖致衰老动物骨质疏松症模型的建立 6周龄Wistar雄性大鼠45只随机分为3组，即致衰老模型组、青年对照组和虾青素组，每组15只，另购16月龄同品系大鼠15只作为正常老龄对照组。致衰老模型组和虾青素组每天用1?5g/(kg·bw)的D-半乳糖颈背部皮下注射，剂量为0?1ml/10g，其中虾青素组每天每只以0?2ml灌喂20mg/(kg·bw)，所用虾青素由本实验室提供。青年对照组注射等量的生理盐水，每天1次，连续注射5个月，自由进食进水。实验结束时称量鼠的体重并取各组大鼠，称重后乙醚麻醉，暴露腹部，下腔静脉取血，待测血清中MDA含量、血清钙、血清磷、血清碱性磷酸酶(ALP)，血中SOD活性；分离各组大鼠的双侧股骨，测定骨长度、骨质量、骨密度、骨结构及生物力学指标；骨中钙、磷、锰、镁、羟脯氨酸含量和骨中ALP活性。

1?4?2 生化指标测定 MDA含量测定硫代巴比妥酸(TBA)比色法；SOD活性测定采用亚硝酸盐法。

1?4?3 其他测定指标 血清ALP活性采用氨基氨替比啉测酚法测定；血清钙用乙二胺四乙酸(EDTA)滴定法；血清磷采用孔雀绿微量比色法；骨中ALP采用化学免疫法试剂盒测定(中国科学院生物物理所中生公司)。

1?4?4 股骨骨密度测定 取股骨解冻后置于骨密度测定仪上，分近段、骨中段、远段3部分测其骨密度。近段和远段代表松质骨骨密度，骨中段代表皮质骨骨密度。测定参数：扫描宽度20nm，扫描速度7mm/s。

1?4?5 骨结构力学和生物力学的测定 取大鼠左股骨，用千分尺测量右侧股骨的长度；用分析天平称量两侧股骨的重量；将股骨标本进行3点弯曲实验，得到载荷-挠度曲线。由此曲线可直接得出大鼠骨的结构力学参数(最大载荷、最大挠度、弹性载荷、弹性挠度)。测定参数为：下压速度10mm/min;下压幅度4mm；保持时间5s；跨度22mm。断骨后，取股骨中部作径向切片，在显微镜下用显微尽测量股骨的最大外径A、最小外径B、最大内径a、最小内径b。并计算出大鼠股骨的各项生物力学指标。

1?4?6 骨中钙、锰、镁的含量 取大鼠右侧股骨近端称重，研碎。然后进行灰化2h。取出骨灰，硝酸溶解。经处理后，火焰原子吸收分光光度计测定钙、锰、镁的含量。

1?4?7 骨中磷的含量 取大鼠右侧股骨近端称重，研碎。然后进行灰化2h。取出骨灰，硫酸溶解。经处理后，用钼蓝显色定磷法于660nm波长下测定。

1?4?8 骨中羟脯氨酸的含量 取大鼠右侧股骨上端称重，研碎。用3ml氯仿-甲醇处理2h，过滤。再用乙醇水和丙酮冲洗1次，放入烤箱2h。取出后放入1ml 12mol/l的HCl水解2h，取出后处理用氯胺T法于560nm波长下测定。

1?5 统计分析 采用SPSS11?0统计软件进行齐性检验并作方差分析。

2 结果

2?1 虾青素提取与鉴定 有机试剂的反复提取后，通过柱层析洗脱后可以得到高纯度的虾青素提取物，经HPLC及其光谱特征峰鉴定为反式虾青素单体。

2?2 D-半乳糖大鼠衰老模型建立(表1) 与青年对照相比，致衰老模型组血清MDA含量升高，而血液SOD活性均有所降低，与正常老龄对照组变化趋势一致，说明D-半乳糖大鼠衰老模型建立成功。而虾青素组与致衰老模型组比较，血清MDA含量升高，血液SOD活性降低，且差异有统计学意义(P<0?01)。

表1 血清MDA含量和血液SOD活性（略）

注：各组与青年对照组比较，a P<0?05，b P<0?01；与致衰老模型组比较，c P<0?01

2?3 股骨结构力学、生物力学指标测定(表2) 与青年对照组比较，正常老龄对照组在股骨重量、长度明显增加，而致衰老模型组2项指标明显减少。而在股骨密度、结构力学和生物力学指标方面表明，正常老龄对照组和致衰老模型组与青年对照组比较，差异有统计学意义(P<0?05)。正常情况下随年龄的增长，大鼠股骨长度和重量都会相应增加，同时由于各种内外因素其股骨的结构力学和生物力学将呈现下降趋势。实验结果表明，注射D-半乳糖5个月可以达到改变股骨结构力学和生物力学的指标，且作用与正常老龄大鼠变化趋势一致，证明在建立D-半乳糖致衰老模型的同时，也可以导致老年性骨质疏松症的可能。而虾青素组与致衰老模型组比较，骨密度、结构力学和生物力学参数指标均有所升高，且差异有统计学意义(P<0?05)。

表2 股骨结构力学、生物力学指标（略）

注：各组与青年对照组比较，a P<0?05，b P<0?01；与致衰老模型组比较，c P<0?05,d P<0?01

2?4 骨矿物质含量、血钙磷及ALP活性(表3) 与青年对照组比较，致衰老模型组和正常老龄对照组骨钙、锰、镁及血磷含量均明显减少，差异有统计学意义(P<0?01)，表明注射D-半乳糖的大鼠骨中几种重要的矿物质含量比同龄正常大鼠有所降低，而与正常老龄对照组的骨矿物质含量变化趋势一致。再次证明长期服用D-半乳糖可以导致老年性骨质疏松症的可能。而虾青素组与致衰老模型组相比，骨钙、锰、鲜及血磷含量均明显升高，且差异有统计学意义(P<0?01)。与青年对照组比较，致衰老模型组和正常老龄对照组骨中羟脯氨酸含量均明显减少，差异有统计学意义(P<0?01)。致衰老模型组血清ALP和骨ALP活性与青年对照组比较显著升高；致衰老模型组与正常老龄对照组血清ALP活性比较也有所升高，2组变化趋势一致。而虾青素组与致衰老模型组比较，羟脯氨酸含量明显升高，血清ALP和骨ALP活性较明显降低，且差异有统计学意义(P<0?01)。

表3 骨矿物质含量、血钙磷及ALP活性测定（略）

注：各级与青年对照组比较，a P<0?05，b P<0?01；与致衰老模型组比较，c P<0?01,d P<0?01

3 讨论

研究表明，大量的活性氧摄入会从整体、细胞和基因不同水平层次上影响骨的代谢过程〔3，4〕。当大量进食D-半乳糖会产生过多的自由基，在骨重建中，自由基可以破坏胶原蛋白形成，导致骨中矿物质沉积减少，从而造成钙、磷、镁、锰等元素的流失，影响骨密度，抑制骨的形成，造成老年骨质疏松〔5，6〕。同时胶原蛋白加速分解生成羟脯氨酸并随血、尿流失，且随年龄而增加，使得骨中两者的含量均相应减少。另外由于骨基质结构建成受阻，同时矿物质含量下降，从而使骨的结构力学和生物力学受到了影响，大大降低了骨的抗变性能力，提高了发生骨折的机率。研究发现，虾青素可以有效地缓解增强成骨细胞增殖和分化，同时对局部细胞因子(如ALP酶、Ⅰ型胶原蛋白等)具有上调作用，表明虾青素可能参与骨代谢有关调节活动，再加上其极强的抗氧化能力，或许对致衰老性骨质疏松症具有一定预防或辅助治疗意义〔7，8〕 。本实验中青年对照组血清ALP活性低于致衰老模型组和正常老龄对照组，而致衰老模型组又高于正常老龄对照组，这可能是由于晚期糖化终末产物(AGEs)浓度增加，使破骨过程显著增强，成骨过程继发增加，骨代谢处于一种高转变状态，成骨细胞的活跃造成血ALP活性增加。综上所述，本实验通过有关骨质疏松症的相关指标检验，证实D-半乳糖诱导衰老大鼠过程的同时，可能诱发致衰老性骨质疏松。而虾青素可有效地缓解此类致衰老性骨质变化。

【参考文献】

〔1〕 Takagi M,Kasayama S,Yamamoto T,et al.Advanced glycosylation and products stimulate inter leukin-6 production by human bone-derived cells［J］.J Bone Miner Res,1997,12(3):439-446.

〔2〕 谢虹，张慧碧，何国平，等.高效液相色谱法测定虾青素的含量［J］.粮食与饲料工程，2003，1：46-49.

〔3〕 马静波.骨质疏松症的治疗和预防概述［J］.医师进修杂志，2005，28(5)：9-11.

〔4〕 王欣荣.骨质疏松症的发病机理及治疗［J］.生物工程进展，2001，21(3)：54-5.

〔5〕 朱洁，岳珍.骨关节病软骨细胞DNA氧化性损伤［J］.湖南医科大学学报，1998，23(5)：438-440.

〔6〕 张海光，陈晓亮.氧化应激在原发性骨质疏松症发病中的作用［J］.骨外医学：骨科学分册，2005，26(4)：230-233.

数学建模含义范文第4篇

一、小学数学概念教学的现状

数学概念是反映一类事物在数量关系和空间形式方面本质属性的思维形式，它是排除一类对象的具体物质内容以后的抽象，具有普遍的意义。

新课改以来，注重学生的自主建构，重视学生学习过程的经历和体验，数学概念教学呈现出新的局面。但是我们依然很困惑：学生看似明白了。一旦做题还是出错。在订正错题时。几乎还要从头来过。尽管如此，依然收效甚微。究其根源是我们的概念教学重定义、轻理解的现象仍然存在，学生对于概念的理解不透彻，本质特征知之甚少，而教师没能够针对不同年级段数学学习的特点建立相应的概念模型。未能使学生形成知识网络，就更谈不上灵活运用了。

二、多元联系表示法的含义和价值分析

多元联系表示法的基本思想是使用几种方法表示同一个概念，不同的表示方法，侧重于表示概念的不同方面。引导学生把有意义的几种表示法的信息组合在一起，使不同方面建立起概念性联系，从而深刻、全面理解数学概念。数学概念既有抽象性，也有它的具体内容。多元联系表示法要求根据学习内容的具体要求，以组合的或者动态的方式灵活地向学生提供图表、文字、符号等不同的概念表示方法，把隐藏的数学关系显性化，从而创设一种具有挑战性的教学情境，让学生在比较高的层次上进行数学的思考和学习，给学生提供探索数学规律、发现数学本质的机会。

奥苏伯尔的有意义学习理论指出。有意义学习过程的实质，就是使符号所代表的新知识与学习者认知结构中已有的适当概念建立非人为的和实质性的联系。研究表明：概念模型越清晰，学生的认知结构就越坚实，根据概念的本质属性建立的多元联系就越有利于学生牢固掌握概念。在运用时，就能够迅速地检索和提取信息。

三、运用多元联系法进行概念教学的策略

新的数学概念的学习是建立在原有认知基础上的重新建构。根据皮亚杰认知发展理论，学生遇到新概念时，总是先用已有的认知结构去同化，如果获得成功，就得到暂时的平衡；如果同化不成功，则会调节已有的认知结构或重新建立新的认知结构。以顺应新概念，从而达到新的平衡。杜威也曾经指出，只有当他具备了和意义有实际联系的某些情境的经验，他才能掌握这些符号的意义，如果仅仅以文字来推演意义，而与事物没有关联，文字就失去了可理解的含义。

现以“认识方程”的教学为例，谈谈我的做法。为体现多元联系、学生为本、以学定教的教学理念，首先通过动画引出天平，根据天平两端质量相等与不等的情况，引导学生用等式和不等式分别表示两端的质量。生成一定数量的探究资源，让学生依次将含有未知数的等式和不含有未知数的等式以及含有未知数的不等式和不含有未知数的不等式与方程产生广泛的多元联系，力求让学生在具体情境中进行不完全归纳，进而认识方程的意义。接着，让学生辨析方程和等式的关系。最后，进行运用巩固、深化认识。让学生在充分感知研究对象。经历丰富体验后，经过观察、比较、抽象、概括、再认等，完成概念的自主建构。

1.情境引入，理解本质属性。通过具体的情境，引导学生列出符合条件的算式，根据等式的共同本质特征，初步形成对“方程”的感性认识。

[片段一]课始，引入情境，列出算式，生成探究资源：

（1）看天平图列式，然后揭示：它们表示天平左边与右边的质量相等，这样的式子就是等式。

（2）渗透不等式，出现不等式资源。

（3）含有未知数的式子资源。

（4）看图写式子。继续丰富资源。（师：如果我们把天平上的橙子换成未知重量的葡萄，天平会出现几种不同的情况？谁来说一说？请继续用算式记录下来。）

通过这个环节的教学，实现了由生活情境向数学学习、由根据情境写等式到写不等式的过渡，让学生尝试用式子表示两边关系。帮助学生理解方程的基本属性。

2.多元联系。凸显本质属性。引导学生对各种算式观察、进行二次分类，可以使学生比较容易地揭示算式中包含的与概念有关的本质属性。

[片段二]引导分类。认识方程：

（1）引导分类。根据天平图写出许多数学式子，现在我们仔细观察这些式子。看看各自有什么特点？再将这些式子分类。把分的结果记录下来。要求将分类的标准写在每一类的前面。

（2）接着进行二次分类。通过比较两种不同的分类方法所出现的相同结果，揭示方程的概念。判断每道式子是否是方程。

经历分类的过程，就是探索方程和等式关系的过程，有利于学生在第一次接触新知识点时。就能弄清知识结构。建立清晰的认识。通过深入、多元、多方位联系，以此来凸显方程的本质特征，对于学生在头脑中建立关于方程的表象大有益处。

3.辨析比较，强化本质特征。通过等式与方程的比较，在比较、分析、概括和类化等思维活动中，让学生对概念关键属性的认识变得清晰，使教学资源成为理解概念的一种思维载体。

[片段三]探究等式与方程的关系：

（1）想一想等式和方程有怎样的关系？

（2）呈现学生的作业，比较一下。哪种表达方式更形象、更直观。教师巡视指导。

学生在写一写、一画中，理解了等式和方程之间的关系。只有当学生多角度、多向度地理解了概念，才能够顺利地向“形式化定义”的阶段过渡。

4.意义建构。形成概念系统。引导学生将新概念与已有的认知结构中的有关观念建立联系，形成概念系统。

[片段四]在具体情境下体验方程思想，感悟方程的数学价值：

（1）看图列方程。让学生感受“方程”的简洁之美。

（2）看线段图列方程。

（3）看图先想数量关系，再建立方程。

（4）选做练习一第2题的1、2小题。

（小结：引导学生发现，在某些情境中。建立正向思维的方程要比逆向思维的算术法更为简捷。）

数学建模含义范文第5篇

关键字：命名实体类流行语 描述性释义 词义演变 词典编纂

一、命名实体类流行语描述性释义识别的必要性

流行语是在某一时期，某一地域或某一人群中迅速传播、盛行的词汇。命名实体指文本中具有特定意义的实体，包括人名、地名、机构名、专有名词等。上述两个方向的已有大量研究成果，而命名实体类流行语的研究还是一项空白。谢学敏（2005）将流行语分为有标记的流行语释义与不带标记的流行语释义两类，不带标记类又分为事件类、人物简历类释义两个分类分别加以处理，计算复杂度相对较高。术语定义提取方面的工作一直受到学界关注。张艳（2003）利用句法分析工具分析短语成分，根据句型结构，并建立数据和概念描述，给出术语发现算法，最终识别出术语定义。荀恩东（2004）采用术语定义的语言学模式，多线程高效下载网页，经后续处理返回给用户术语定义。荀恩东后续又通过考察术语定义构成的语言学模式、定义中词汇和术语周边的统计特征，并根据新术语出现的上下文统计特征，用SVM分类器进行术语定义的识别。词义演变的研究多数从语言学本体或者加入社会学的因素进行考察[6]，或就某一个词语的语义演变进行考察。

词义演变是词汇发展的一个基本特征，相关的研究多半从语言学本体的角度探讨词义的扩大、缩小、转移。词义演变考察对象通常不包含命名实体。实际上，很多命名实体的在使用者的心理词汇库中的词义呈现出明显的词义演变趋势。本文阐述了该类词汇的词义历时变化，在此基础上进行描述性释义的识别。该识别研究对于流行语词典与流行语数据库的建立与动态更新都具有现实的参考价值。

由于命名实体类流行语不同于术语，我们将识别对象定义为“描述性释义”。

二、命名实体的语言学特征

（一）流行语的构词成分

本文考察了从2003年至2012年十年间由国家语言资源监测与研究中心、北京语言大学等单位联合的各年度中国媒体十大流行语，构建了一个流行语信息库。这些流行语包括综合类、经济类、文化类、科技类等，共1060条（包括重复出现的流行语如“刘翔”，但这些流行语在不同年度入选的原因不同，作为命名实体类流行语的描述性释义是不同的，故本文作为不同词条处理。）。通过对该信息库的考察，我们发现流行语的构词形式于普通词汇相比，具有明显的不确定性与多样性。

1.包含大量缩略语和字母词（或字母词与数字的组合）

例如：“高铁”“驻京办”“T3航站楼”“CMMB”“CPI回落”

2.包含大量命名实体（人名、地名、机构名）或包含命名实体的组合词

例如：“郭明义”“”“高盛”“北川中学”“珠海航展”。

从流行语信息库中，检索到命名实体184项，占所有流行语总量的17.36%。其中人名124项、地名29项、机构名31项。各项在命名实体中所占比重如下表：

（二）命名实体类流行语的描述性释义

命名实体词义的演变与近现率是紧密相关的。近现率是反映流行语流行程度的一项重要指标。词汇的近现率是动态变化的，在一个时间段里近现率高且使用广泛便构成了流行语。从心理语言学的角度考察，一个词，在使用者心理词汇库中被激活的概率与被激活的速度与近现率成正比关系。从历时角度考察，在受试者心理词汇库中，被测试词汇每个时间节点上的词义都会被激活，构成一个词义组合，如何从这些这些词义组合中筛选出近现率高的词汇释义是我们的研究主题。

通过对人工识别出的命名实体类流行语的描述性释义的考察，我们发现流行语的描述性释义，与普通词汇的义项以及术语的定义不同。由于流行语是动态更新的，具有时效性、流通性、新闻性，这些属性是其他类别的词汇所不具备的。我们以2006年入选文化类流行语“孔子”为例，在搜索引擎中输入该词，检索到的“孔氏，名丘，字仲尼”之类信息无法反映出“孔子”入选流行语的缘由。这些释义与词汇近现率是脱节的。换言之，我们无法从该描述性释义中找出其作为当年流行语的任何理据。最终通过手工检索到的描述性释义为：

2006年1月，中国孔子基金会发起制订孔子标准像，6月向全球孔子标准像初稿，此举引起了不少争议。

该描述性释义解释了缘何“孔子”入选该年文化类十大流行语。

上述流行语的描述性释义与普通词语义项或术语定义存在明显的差别，义项与定义通常不包含时间词，或类似“以来”“此举”“争议”这样的词语;而命名实体类流行语的描述性释义包含的词类与词例数更为广泛。

（三）命名实体类流行语的描述性释义识别的必要性

显然传统意义的辞典无法检索到流行语的词条释义。网络搜索引擎，虽方便快捷，但从海量信息出定位最佳的释义，效率与准确率都不尽如人意。目前网络搜索引擎的功能已经非常强大，指定功能性的搜索服务也很完善，例如“百度百科”“智库百科”“互动百科”，这些查询服务一般可以直接定位所查询项的术语定义、词语定义、定义性描述。即便如此，很多流行语、新词语，仍不能从网络上找到现成的描述性释义。人工从网络海量信息中检索到这些词语的解释费时费力，且一些人为因素也影响到识别的准确率。

以2008年流行语“北川中学”为例，用户在百度搜索引擎可查找到的内容分两类。返回的前100个网页中一类是将“北川中学”作为一个普通的机构名来处理，介绍该中学从建校起的历史沿革。第二类是包含有关“北川中学”以及“北川中学”的学生各个不同方面的新闻事件。“北川中学”入选2008年媒体流行语，是与汶川地震这一背景事件密不可分的，与它作为一个普通的机构名并无关联。两者所要表达的语义内涵是截然不同的。在汶川地震之前的“北川中学”与地震之后的“北川中学”语义层面上有很大差异。

同样，命名实体“刘翔”多次入选近年的流行语，但每年入选的原因是不同的，表达的词义内涵显然是不同的。将一个命名实体作为一个固定不变的词汇统一处理显然是不科学的。

搜索引擎只能提供给我们一个不具备时间区分度的词语解释，而这显然不符合流行语的时效性特征，也无法体现语义演变与近现率的特征。

考察中，本文发现大量使用度颇高的流行语，通过搜索引擎查询，也缺少现成可获取的较为规范的描述性解释。如何准确地识别这些命名实体类流行语的释义，是一个需要语言学界关注的课题。基于此，本文使用一种规则加统计的方法进行命名实体类流行语描述性解释的识别。通过构建了命名实体类流行语的描述性释义的匹配规则进行初次过滤，在规则匹配的基础上，再通过建模统计计算方法进行最终识别。

三、命名实体类流行语描述性释义的规则匹配

（一）文本预处理

提交给百度搜索引擎一项流行语查询，返回一系列的包含查询项的相关文档。首先对返回文档进行预处理，将预处理文本转化为纯文本，滤掉垃圾信息，再将文本进行分词和词性标注。本文使用中科院计算所汉语词法分析系统ICTCLAS进行分词和词性标注。

（二）命名实体类流行语描述性释义的匹配模板

本文通过对命名实体类流行语描述性释义的词语构成分析，构建了如下的匹配模板，两个句子结束符之间的字符串，或段首与句子结束符之间的字符串，若有一个子串同以下某个模板匹配，则整个字符串便是抽取的候选描述性释义。

模板使用正则表达式表示，其中圆括号中用竖杠分开的是可选项，圆括号表示可选项中必须出现一项。星号表示任意字符串。汉字和其他符号是应匹配的字符。PopNE表示命名实体类流行语，其他英文字符串是模板名称。

1.PopNE（是|即）

2.PopNE （包括|包含）

上述两条匹配规则主要针对普通流行语。

3.PopNE （位于|坐落于|地处）

该匹配规则可以检索出流行语包含大量的机构名和地名。

4.*Time*

该匹配规则检索出所有与被查询命名实体类流行语在同一文本中出现的包含时间词的句子。流行语是某个特定时期使用度高的词语，所以我们将时间范围定义在2003年到2012年，本文的研究对象也主要针对这十年间出现的命名实体流行语。

（三）命名实体类流行语描述性释义匹配模板的特点

为确保描述性释义的召回率，本文将匹配模板适当放宽。该步骤中，由于语言现象的多样性和不可预测性，一些检索到的句子在语言形式上不符合匹配规则而被滤掉，这也是匹配模板自身难以克服的缺陷，不过本文的描述性释义识别是基于网络海量、动态更新的信息源，所以该类句子在数量上微乎其微，规则基本能涵盖所有命名实体类流行语的描述性释义。

四、基于统计方法的命名实体流行语描述性释义识别方法

经过模板匹配过滤，检索出的符合匹配模板的一些候选项，准确度达不到实际的查询需求，在此基础上进入下一步统计方法的计算，以提高最终识别的准确度。本文采用向量空间模型（VSM）进行最终句子的识别[8]。

给定流行语描述性释义候选句子S1、S2、S3…… Sn，将它们视为n个单个短文本：Doc1、Doc2、Doc3 ...Docn。

采用向量空间模型时，通常会构建停用词表，将区别性低，意义贡献小的词语滤掉;但本文针对命名实体类流行语的处理具有其特殊规律。首先描述性释义不同与严格意义的术语或词语定义。从词性类别角度考察，形容词、副词、数词、量词、感叹词在描述性释义中出现频率都很高，所以我们构建的停用词表词条数目相对通用停用词表小很多。

将候选释义视为一个集合，在这个集合中进行高频词抽取，抽取出来的前15位高频词组成一个高频词向量HiFre_word。

该向量等同于信息检索中的查询向量，每个候选句子视为一个小文本，等同于一个文本向量，

通过构造上述向量空间模型来计算HiFre_word向量与doc向量之间的距离，由距离远近来定义相似度大小。

（一）特征项权重的选择

词频是最常用的特征项的权重指标。本文以候选句子中的词频作为构造文本向量的权重。

（二）VSM计算

给定一个文档，把视为一个维的坐标系，为相应的坐标值，即权重，则可以视为是维空间中的一个向量。Q为高频词向量HF_word。两个向量之间的距离计算公式：

根据公式，识别出与HF_word最相似的文本向量，作为释义的最优选择。

（三）包含时间词的候选句子的权重设定

流行语与普通词语最显著的差别是时效性，因此在释义提取时加入内容的时效性会显著提高流行语释义识别的准确率。通过考察发现，包含命名实体释义的句子与包含时间内容的句子连接越紧密，该释义的准确率越高，两者之间的间隔距离与两者之间的语义相关度成正比。我们加权计算方法，对VSM计算出来的相似度进行最终修正：

其中n为释义句子与包含时间词的句子之间的距离，如果两个句子连在一起，n取值为1;如果两个句子中间有一个其他句子间隔，n取值为2;其余依次类推。实验发现，当两个句子的距离超过5以后，权重之间差别不大，这也符合距离主题句超过一定距离后语义相关度之间没有太大差别这一规律。

（四）流程图

流程说明：

1.将命名实体类流行语提交搜索引擎;

2.搜索引擎返回相关搜索结果文档;

3.搜索结果文档集合，通过预定义的语言模板进行过滤;

4.将过滤后的集合经过时间模板过滤;

5.构建VSM，计算各个定义与高频词之间的相似度并进行排序;

6.抽取相似度最高的n个定义作为最终结果，n可自定义。

（五）实验结果评价

本文基于网络信息源进行识别，故实验结果评价无须考虑召回率，只需用准确率表示。

“P”表示识别出的正确的流行语描述性释义在所有识别出的句子中的比例，计算公式如下：

其中识别出的正确的流行语描述性释义是指最终结果中排名前三的句子中有正确的释义。我们选取从2003年至2012年184个命名实体类流行语作为实验对象。实验对象包括“时政类、经济类、科技类、教育类、文娱类”等各领域的命名实体类流行语。识别出正确的描述性释义为161条，准确率为87.5%

五、结语

传统语言学的角度，从词义层面上考察，人名、地名、机构名这些看似静态的词汇不存在词义演变的条件与可能。然而，命名实体类流行语描述性释义的识别，使得我们有可能从历时发展的角度去研究命名实体的词义演变，该研究对于流行语辞典编纂、流行语数据库的建立，都提供了一定的支持。对语言学研究、社会学研究、自然语言处理研究来说都是一项有意义的工作。

参考文献：

[1]张普.基于DCC的流行语动态跟踪与辅助发现研究[A].第三届全国语言文字应用学术研讨会论文集[C].2004.

[2]谢学敏.基于动态流通语料库（DCC）的流行语释义信息自动提取研究[A].中国人工智能学会第11界全国学术年会论文集[C].北京：北

京邮电大学出版社，2005.

[3]张艳，宗成庆，徐波.汉语术语定义的结构分析和提取[J].中文信息学报，2003，（6）.

[4]荀恩东，贾爱平，宋柔.基于互联网的术语定义获取系统[J].中文信息学报，2004，（4）.

[5]荀恩东，李晟.采用术语定义模式和多特征的新术语及定义识别方法[J].计算机研究与发展。2009，（1）.

[6]石静.词义发展演变的系统性研究[D].济南：山东大学硕士学位论文，2007.

[7]玄.“见”不是虚化结果补语――谈词义演变与与语法化的区别[J].世界汉语教学，2010，（1）.