利用基于自然语言处理的方法来确定文物残留物的组成
Tung Tho Nguyen1, Korey J Brownstein2
1Department of Mathematics, The University of Chicago, Chicago, IL, 60637, USA. nguyenthotung@gmail.com.
这项研究引入了一种新的自然语言处理 (NLP) 算法,以提高在古代文物残留物中识别植物物种的准确性. 通过NLP方法,对残留物分析的传统质谱法比较显示出12.5%的改善.
科学领域:
- 考古学科学 考古学科学
- 计算代谢学计算代谢学
- 生物信息学是一种生物信息学.
背景情况:
- 在文物残留物中准确识别植物物种对于古代代谢学至关重要.
- 目前的标准方法依赖于比较质谱特征,其准确性可能受到限制.
- 需要增强的预测模型来确定历史文物中的植物用途.
研究的目的:
- 根据残留物分析,开发一个更准确的算法来预测用于文物中的植物物种.
- 改进用于比较质谱特征的标准方法.
- 探索自然语言处理 (NLP) 技术在代谢学中的应用.
主要方法:
- 使用自然语言处理 (NLP) 的原理开发了一个算法.
- 这种新方法在现代粘土管道与未知的植物物种的数据集上进行了测试.
- 通过比较预测与已知吸烟的植物物种进行性能评估.
主要成果:
- 与标准方法相比,基于NLP的算法在预测植物物种方面获得了12.5%的更高准确度.
- 该研究成功地证明了新方法在盲目测试场景中的有效性.
- 该算法在识别考古文物中的植物残留物方面证明了强大.
结论:
- 一个基于NLP的算法提供了一个强大的和准确的方法来表征文物残留成分.
- 这种方法在各种代谢学数据集中具有潜在的应用,特别是那些复制量有限的数据集.
- 这项研究强调了NLP在推进考古学和代谢学方面的跨学科潜力.
更多相关视频
11:06GC-based Detection of Aldononitrile Acetate Derivatized Glucosamine and Muramic Acid for Microbial Residue Determination in Soil
Published on: May 19, 2012
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
相关概念视频
Mass Spectrum: Interpretation
To...
¹³C NMR: Distortionless Enhancement by Polarization Transfer (DEPT)
Atomic Absorption Spectroscopy: Lab
Solutions containing organic solvents, such as low-molecular-mass alcohols, esters, or ketones, enhance absorbances by increasing...
Sample Preparation for Analysis: Advanced Techniques
Acid digestion with strong acids is commonly used to dissolve inorganic materials that are insoluble (do not dissolve) in water. This method can be useful for...
