-
公开(公告)号：CN111191471B
公开(公告)日：2022-06-28
申请号：CN201911393679.4
申请日：2019-12-30
Applicant: 北京航空航天大学
IPC: G06F40/58 , G06F40/295 , G06F16/36
Abstract: 本发明公开了基于实体序列编码的知识图谱融合方法，所述方法包括：步骤一：知识图谱实体表示学习；步骤二：选择路径编码和对齐模型；步骤三：跨语言实体对齐模型，其中，在源语言知识图谱空间中，针对其中的一个实体，构建与其他种子实体的2跳序列，在目标语言知识图谱空间中构建可能与之对应的序列，找出概率最高的对齐序列，然后从对齐序列中找到同位置的节点，作为该节点的对齐节点；步骤四：添加新的候选种子节点;本发明针对现有技术中深度学习模型训练语料不足的问题，提出了基于实体路径表示学习的方法。
-
公开(公告)号：CN113312470B
公开(公告)日：2022-05-31
申请号：CN202110589943.2
申请日：2021-05-28
Applicant: 北京航空航天大学
IPC: G06F16/335 , G06F16/35 , G06F40/14 , G06F40/194 , G06F40/211 , G06F40/258 , G06F40/295 , G06F40/30 , G06F21/62 , G16H50/70 , G06N3/04 , G06N3/08
Abstract: 本发明通过人工智能领域的方法，实现了一种基于匿名化隐私保护技术的医疗事件抽取方法。由事件检测模型和事件抽取模型构成；事件检测模型输入已发布新闻的概要信息或新闻正文的第一段落作为与标题进行信息交互的摘要文本，使用双向注意力流获取标题中的单词与摘要中文本的关联信息，之后通过单词嵌入层、双向注意力机制层、模型层、输出层的模型结构，采用Bi‑LSTM模型方法得到最终的分类标签；事件抽取模型通过抽取时间、地点、人物、组织机构、v‑n词对五项参数的方式结构化表示从事件中提取的有效信息。最终实现了能够克服事件句中可能存在的实体语义信息不明的情况，以及利用语义依存树学习文本结构信息来弥补文本中实体含义部分缺失的问题的方法。
-
公开(公告)号：CN113312464B
公开(公告)日：2022-05-31
申请号：CN202110589755.X
申请日：2021-05-28
Applicant: 北京航空航天大学
IPC: G06F16/332 , G06F16/33 , G06F16/335 , G06F16/35 , G06F16/36 , G06F40/186 , G06F40/253 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明通过人工智能领域的方法，实现了一种基于对话状态追踪技术的事件抽取方法。方法整体由事件分类、序列问题生成模型和论元抽取模型三部分组成；事件分类检测输入文本是否是事件，如果文本不包含事件，则输出NULL，否则分类文本所属的事件类型；序列问题生成模型根据事件类型和已经预测的置信度高的论元结果自动生成问题；论元抽取模型将所述序列问题生成模型生成的问题和输入文本作为输入来预测论元位置，然后采用标签对齐机制将预测的论元中置信度高的论元加入训练集中。这一方法通过三部分模型，能对所有参数的预测结果和高置信度结果进行反馈；提取两个任务之间的共同信息和模式，并利用所学习到的语法和语义知识标记；并充分利用论元之间的相关性。
-
公开(公告)号：CN113314205B
公开(公告)日：2022-05-17
申请号：CN202110589696.6
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明通过医学影像处理领域的方法，实现了一种高效的医学影像标注与学习系统。系统包括：无监督对比学习预训练模块基于MoCo算法在预训练过程引入无监督对比学习方法；基于主动学习和对比学习的训练模块获取预训练后的模型和实际目标任务数据集，结合发现无标注样本中最有价值的样本获取标注以及对错分类的样例给予更高的权重的难例挖掘以及引入了标注数据的有监督对比学习方法来对模型进行进一步调整以适应实际需求；人工标注与模型训练交互控制模块提供标注的交互界面以及对模型训练的控制模块。通过上述架构的系统，实现一个通用的训练框架。
-
公开(公告)号：CN113314195B
公开(公告)日：2022-05-17
申请号：CN202110589875.X
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明通过信息技术领域的方法，实现了一种针对慢病的阶段性动态用药匹配系统。系统整体结构分为三部分：患者指标编码单元、患者指标编码与药物关系图融合单元、计算输出单元，并采用神经网络方法进行训练后实现；患者指标编码单元应用自注意力机制将其形成患者指标编码，接着利用图卷积神经网络方法将电子健康记录图、药物间相互作用图、药物间序列关系图进行预处理得到药物关系图，结合上两部分的输出结果，将患者指标编码与药物关系图进行融合，将生成结果与患者当前的用药输出至所述计算输出单元运算后，得到最终的当前用药对患者状态的匹配程度。本发明结合病人的编码、历史用药信息以及药物的相关性图，最终形成指标对应下的用药匹配系统。
-
Patent Agency Ranking
公开(公告)号：CN113313381B
公开(公告)日：2022-04-08
申请号：CN202110589775.7
申请日：2021-05-28
Applicant: 北京航空航天大学
IPC: G06Q10/06 , G06Q30/06 , G06F16/901 , G06F16/9535 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 本发明通过人工智能技术领域的方法，实现了一种用户交互敏感的动态图序列推荐系统。系统整体采用强化学习框架，数据输入为用户对商品带有时间戳的评分数据及用户自身的属性数据，系统的输出为连续多轮推荐产生的推荐商品序列，每一轮的推荐结果均为智能体在观察过经由动态图建模的系统环境后，基于动态图环境的状态表征、商品表征、用户对于商品的实时兴趣以及用户属性信息来做出最优推荐决策。系统的运算过程依次分为五个模块，采用强化学习中离线训练方式进行训练，使用小批量梯度下降方法优化参数，并利用图神经网络和自注意力机制建模了环境状态，能够基于实时全局环境状态生成推荐策略得到推荐，具有强实时性、高动态性和可扩展性。
-
公开(公告)号：CN109871485B
公开(公告)日：2022-04-05
申请号：CN201910112704.0
申请日：2019-02-13
Applicant: 北京航空航天大学
IPC: G06F16/9535 , G06N3/04
Abstract: 本申请公开了一种个性化推荐方法及装置，包括：预处理阶段，对样本特征进行重编码处理，得到稀疏编码；将所述稀疏编码输入到相应的嵌入层，经所述嵌入层基于域敏感分解机对所述稀疏编码进行运算，得到稠密表示；神经网络训练阶段，基于标注的推荐标签信息，使用梯度下降法对所述神经网络进行训练；模型预测阶段，将所述稠密表示输入到神经网络的隐藏层，经所述隐藏层对所述稠密表示进行处理，得到推荐预测结果。
-
公开(公告)号：CN111210002B
公开(公告)日：2022-01-28
申请号：CN201911393726.5
申请日：2019-12-30
Applicant: 北京航空航天大学
Abstract: 本发明实现了一套基于生成对抗网络模型的多层学术网络社区发现方法及其系统，基于GAN模型学习多层网络的嵌入表示，通过构建多层学术网络；使用生成对抗模型学习节点嵌入表示：生成器生成层内节点对和层间节点对作为伪样本，判别器判别数据是否为真实数据分布；生成器和判别器迭代更新进行对抗学习；使用基于K‑means聚类的方法发现社团的步骤，实现对于网络来源的学者信息的处理，发现其中多层网络结构所能提供的关系网络的深层信息，并使其算法和系统更具有鲁棒性。
-
公开(公告)号：CN113327607A
公开(公告)日：2021-08-31
申请号：CN202110589762.X
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明通过语音领域的方法，实现了一种机舱语音指令握手检测系统。包括机舱人员角色识别模块、机舱语音指令识别模块和指令握手模块三个模块：机舱人员角色识别模块收集机舱的音频混杂的机长、副机长、塔台三个角色的声音进行标注，将不同人的声音分离开，并将分离的声音输入机舱语音指令识别模块；机舱语音指令识别模块对分离后的音频识别，对易错的结果进行替换，构建每个角色的语音‑文本语料库；指令握手模块识别角色之间的对话是否是指令，并将机长和塔台，机长和副机长的握手区分开，并将机长和副机长的握手过程和喊话标准流程进行匹配判断有无错漏。这一方案能以较高的速率完成对语音的识别、判定，能够做到实时提醒，并具有良好的适应性。
-
公开(公告)号：CN113314231A
公开(公告)日：2021-08-27
申请号：CN202110589844.4
申请日：2021-05-28
Applicant: 北京航空航天大学
Abstract: 本发明通过人工智能领域的方法，实现了一种融合时空信息的传染病传播预测系统及应用其的装置。通过设计数据收集单元，收集不同地区的与时间相关的序列数据、疫情数据和空间关系组成的邻接矩阵，利用相关性分析单元分析时间序列数据与疫情数据之间的关联；进而将上述数据均输入一个应用复杂网络方法的传染病传播预测模型，形成预测结果；根据预测结果给不同地区的疫情风险作评级后，将预测结果和评级结果作为系统输出结果。这一系统能够在得到与疫情数据强相关的数据、不同地区的动态的空间联系基础上，得到不同地区的更为准确的疫情预测结果。
-
-
-
-
-
-
-
-
-
Search Results
301
records
(took 0.059 seconds)
