-
Patent Agency Ranking
公开(公告)号：CN110706789A
公开(公告)日：2020-01-17
申请号：CN201910956289.7
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种中药配伍禁忌挖掘方法，其包括：S1、收集中药药对数据；S2、构建中药药对网络；S3、通过反社区检测算法在中药药对网络中进行药物反社区结构检测，将中药药对网络划分成若干个药物反社区；S4、对于每个药物反社区，将药物反社区中的药物进行两两组合并形成若干局部药对，通过将局部药对与已知配伍禁忌药对匹配的方式，挖掘局部药对中的中药配伍禁忌，通过筛选的方式，预测局部药对中的潜在中药配伍禁忌。该方法首次从复杂网络反社区检测的角度对中药之间的配伍禁忌进行挖掘和预测，与传统技术在所有药物中查找的方式相比，该方法是在局部进行查找，缩小了查找范围，能够高效挖掘已知配伍禁忌以及预测药物之间潜在的配伍禁忌。
-
公开(公告)号：CN110706789B
公开(公告)日：2022-05-24
申请号：CN201910956289.7
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种中药配伍禁忌挖掘方法，其包括：S1、收集中药药对数据；S2、构建中药药对网络；S3、通过反社区检测算法在中药药对网络中进行药物反社区结构检测，将中药药对网络划分成若干个药物反社区；S4、对于每个药物反社区，将药物反社区中的药物进行两两组合并形成若干局部药对，通过将局部药对与已知配伍禁忌药对匹配的方式，挖掘局部药对中的中药配伍禁忌，通过筛选的方式，预测局部药对中的潜在中药配伍禁忌。该方法首次从复杂网络反社区检测的角度对中药之间的配伍禁忌进行挖掘和预测，与传统技术在所有药物中查找的方式相比，该方法是在局部进行查找，缩小了查找范围，能够高效挖掘已知配伍禁忌以及预测药物之间潜在的配伍禁忌。
-
公开(公告)号：CN113593698A
公开(公告)日：2021-11-02
申请号：CN202110884629.7
申请日：2021-08-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于图注意网络的中医证型识别方法，其包括将多个医案数据进行标准化，并构建训练集，即语料库数据；将语料库中的所有不重复的症状和证型分别建立一个症状集合和一个证型集合；将属于训练集的每个医案数据中的症状各自两两相连作为节点，计算症状集合中两个症状间的点互信息，并利用图注意力网络更新图中的节点；利用注意力机制加权更新后的节点，得到症状的特征向量；将特征向量输入一个线性层进行分类，得到每个证型的概率；结合每个证型的概率与训练集中真实的情况，计算损失函数；根据损失函数进行反向传播，完成模型迭代；将待识别的症状信息输入训练后的模型得到证型识别结果。本发明有效提高了证型识别的准确性。
-
公开(公告)号：CN113593698B
公开(公告)日：2023-04-18
申请号：CN202110884629.7
申请日：2021-08-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于图注意网络的中医证型识别方法，其包括将多个医案数据进行标准化，并构建训练集，即语料库数据；将语料库中的所有不重复的症状和证型分别建立一个症状集合和一个证型集合；将属于训练集的每个医案数据中的症状各自两两相连作为节点，计算症状集合中两个症状间的点互信息，并利用图注意力网络更新图中的节点；利用注意力机制加权更新后的节点，得到症状的特征向量；将特征向量输入一个线性层进行分类，得到每个证型的概率；结合每个证型的概率与训练集中真实的情况，计算损失函数；根据损失函数进行反向传播，完成模型迭代；将待识别的症状信息输入训练后的模型得到证型识别结果。本发明有效提高了证型识别的准确性。
-
公开(公告)号：CN112597304A
公开(公告)日：2021-04-02
申请号：CN202011520183.1
申请日：2020-12-21
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/216 , G06F40/284 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种问句分类方法，本发明通过预训练的BERT模型，利用了大规模语句下训练得到问句的词向量表示，每个词在不同的问句下都会有不用的向量表示；利用两层双向GRU网络结构处理文本序列，结合残差网络的思想，将原始的词向量与GRU网络第一层输出相结合后作为GRU第二层输入，可以加快模型的收敛速度，并利用注意力机制来关注问句的重要特征，提升问句分类精度。本发明利用GRU模型能够进一步捕获问句文本的依赖性问题，同时利用注意力机制对问句分类影响更大的特征赋予较高的权值，使得医疗问答系统中问句分类精度有进一步提升。
-
-
-
-
Search Results
5
records
(took 0.019 seconds)
