-
公开(公告)号:CN117952088A
公开(公告)日:2024-04-30
申请号:CN202410089874.2
申请日:2024-01-22
Applicant: 华侨大学
IPC: G06F40/253 , G06F40/284 , G06F40/242 , G06F16/335 , G06F16/33 , G06F40/30
Abstract: 本发明提供一种等级标准语法点检测方法、装置、设备及存储介质,首先构建等级标准语法库,将等级标准语法大纲进行结构化划分,将等级标准的语法点内容与对应语法点编号组合分成各语法点列表集;将待检测文本进行分词,将分词结果依次与所述等级标准语法库进行语法点检测匹配,将获得的语法点检测匹配结果存入命中语法点列表;输出命中语法点列表,即为待测文本的等级标准语法匹配命中的检测结果。本发明结合自然语言处理技术与正则规则,构建等级标准语法库,实现文本从词语、固定搭配、模式、词性、短语、句法依存、语义这7个层面进行智能语法点检测,为自然语言处理和智适应教学的研究等方面带来积极的影响。
-
公开(公告)号:CN117473994A
公开(公告)日:2024-01-30
申请号:CN202311186630.8
申请日:2023-09-14
Applicant: 华侨大学
IPC: G06F40/295 , G06F40/289 , G06F40/284 , G06F40/242 , G06F18/214
Abstract: 本发明提供一种面向国际中文教育的多义词阅读理解题目生成方法及系统,方法包括如下步骤:S1,通过实体抽取技术构建出等级标准多义词词表;S2,根据所述等级标准多义词词表形成标准多义词训练集,基于标准多义词训练集构建转导推理多义词义项识别模型;S3,基于转导推理多义词义项识别模型,采用模板法智能生成多义词阅读理解题目。本发明以《国际中文教育中文水平词汇等级标准》为核心,以多义词智能识别模型为支撑,实现国际中文多义词题目的智能生成。本发明能够为多义词题库智能生成注入新鲜活力,实现汉语资源的科学利用,不仅为多义词题库构建提供可借鉴的技术路线,也扩充了国际中文多义词题库,提供未来研究和应用开发的语料库支持。
-
公开(公告)号:CN116070786A
公开(公告)日:2023-05-05
申请号:CN202310212028.0
申请日:2023-03-07
Applicant: 华侨大学 , 中国医学科学院阜外医院
IPC: G06Q10/04 , G06F16/28 , G06F18/25 , G06N3/0455 , G06N3/08
Abstract: 本发明实施例提供一种基于事件演化图的多标记事件预测方法、装置和介质,涉及事件预测技术领域。其中,这种多标记事件预测方法包含S1、获取已知事件链。S2、根据事件演化图,获取候选事件组合集。其中,事件演化图根据历史数据集构造,且包含顺承关系和同时关系。候选事件组合集包含多个候选事件组合。候选事件组合包含1个或多个候选事件。S3、将已知事件链和候选事件组合集输入预先训练好的多标记事件预测模型,获取预测发生事件。预测发生事件为候选事件组合集中的一个候选事件组合所包含的候选事件。其中,多标记事件预测模型包括编码器、门控图神经网络、筛选模型、解码器。
-
公开(公告)号:CN115063251A
公开(公告)日:2022-09-16
申请号:CN202210601033.6
申请日:2022-05-30
Applicant: 华侨大学
IPC: G06Q50/00
Abstract: 本发明公开了基于关系强度与反馈机制的社交传播动态网络表示方法,属于社交传播领域,包括:基于关系强度将社交传播动态网络划分为关系网络与传播网络;对传播动态网络进行描述;对社交传播网络中的节点表示;更新相关节点的邻接矩阵与注意力权重,同时聚合节点信息并反馈节点变化信息,最后结合自相关项与时间项更新节点表示;将attention机制应用到动态的模型中来度量各个节点的权重,考虑网络动态变化对attention的影响;本发明提供的方法用于社交传播动态网络表示,进行动态链接预测任务,解决了动态网络表示的及时性问题。
-
公开(公告)号:CN114863234A
公开(公告)日:2022-08-05
申请号:CN202210464131.X
申请日:2022-04-29
Applicant: 华侨大学
Abstract: 本发明公开一种基于拓扑结构保持的图表示学习方法及系统,能在保持图数据拓扑不变性的前提下,融合拓扑结构和语义特征来共同提高图表示学习的质量;方法包括:针对图数据的特性,设计拓扑结构保持的自监督任务;输入图数据,使用图卷积神经网络对其进行特征编码,从而学习到节点的初始向量表示;将学习到的节点初始向量表示输入到TGSSL(Topology‑preserving Graph Self‑Supervised Learning)模型进行图自监督学习,最终在结构保持的基础上获得高质量的节点向量表示。本发明能有效解决现有图表示学习方法在学习节点向量时无法有效融合结构信息的问题。
-
公开(公告)号:CN110060749B
公开(公告)日:2022-07-01
申请号:CN201910284998.5
申请日:2019-04-10
Applicant: 华侨大学
IPC: G16H10/60 , G06F40/284 , G06F40/30
Abstract: 本发明公开了一种基于SEV‑SDG‑CNN的电子病历智能诊断方法,包括:挖掘医疗领域词汇来构建浅层语义词汇词典;基于浅层语义词汇生成文本语料中每一个词的浅层语义向量表达SEV;利用浅层语义词汇词典计算每一条语料的浅层语义预判模式SDG;将SEV和SDG融入传统CNN分类模型构建中,即在特征表达层将SEV与词嵌入向量进行拼接,在模式输出层将SDG和CNN判别模式进行融合,从而实现改进的SEV‑SDG‑CNN分类模型。本发明应用在电子病历疾病诊断中,能充分提取专业性极强、知识密度极高的电子病历所蕴含的大量丰富语义信息,并得益于CNN能从大数据中自动挖掘特征的优势,使得电子病历智能诊断方法具有较高的性能。
-
公开(公告)号:CN111797244B
公开(公告)日:2022-06-07
申请号:CN202010698504.0
申请日:2020-07-20
Applicant: 华侨大学
IPC: G06F16/36 , G06F16/332 , G06F40/30 , G09B5/00
Abstract: 本发明提供一种基于知识图谱和对话机器人的智能情境教学方法及系统,方法包括:首先构建情境知识图谱,其次基于情境知识图谱生成情境教学语料,最后基于对话机器人开展智能情境口语教学。本发明通过知识图谱技术和对话机器人技术,实现高效率的情境教学语料创作和个性化的情境口语学习模式,促进情境教学方法的智能化升级。
-
公开(公告)号:CN113535984A
公开(公告)日:2021-10-22
申请号:CN202110919665.2
申请日:2021-08-11
Applicant: 华侨大学
Abstract: 本发明公开了一种基于注意力机制的知识图谱关系预测方法及装置,利用Trans模型获得三元组实体的嵌入,将三元组中的关系当作头实体和尾实体间翻译操作,得到三元组向量表示,针对知识图谱中三元组实体描述的全部文本信息采用Doc2Vec模型进行嵌入,得到实体描述向量表示,通过Trans模型得到的三元组向量表示与实体层次类型映射矩阵结合,得到实体类型向量表示,采用融合三元组向量表示、实体描述向量表示以及实体类型向量表示的三元组实体向量作为编码器输入,编码器基于知识图谱设计注意力机制,得到关系层次、实体层次、三元组层次的权重,解码器则利用ConvKB模型重构知识图谱,进行关系预测。本发明可用于知识图谱推理,根据已知的知识推理出未知的潜在的知识。
-
公开(公告)号:CN113204651A
公开(公告)日:2021-08-03
申请号:CN202110594900.3
申请日:2021-05-28
Applicant: 华侨大学
Abstract: 本发明公开了一种华文教育领域的多源知识图谱融合方法及装置,通过设计基于汉字、华文教学与华文教材的实体集与关系集,完成多源知识图谱的模式层设计,并在模式层的基础上,根据多源知识图谱各自的元数据构成,采用不同的方法完成多源知识图谱的构建。然后筛选具有教学用途的多源图谱共现实体节点,通过对其中的同义节点以及其关系进行合并,完成多源图谱的融合任务。本发明提供了一种针对现有华文教育领域知识碎片化解决方案,融合后的知识图谱对具有教学用途的知识信息进行了关联与整合,提升了其在华文教育领域的覆盖度与使用价值,为后续在知识图谱上进行的数据挖掘、个性化推荐与智能问答等工作提供了便利。
-
公开(公告)号:CN112820400A
公开(公告)日:2021-05-18
申请号:CN202110113829.2
申请日:2021-01-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于医疗知识图谱知识推理的疾病诊断方法、装置及设备,方法包括:获取用户与医疗问答系统的交互内容,并基于所述交互内容获取到用户的用户症状集;根据所述用户症状集,计算所述用户存在事件的第一概率根据所述第一概率计算用户S与di病共现的第二概率根据所述第一概率与第二概率计算用户患di病的第三概率基于动态阈值以及所述第三概率,输出用户的最终疾病诊断结果。本发明既可以作为医生诊断的辅助工具,提高医生的工作效率,也可以用于患者的初步自查,还可以服务于高层次人工智能医疗应用,例如医疗问答系统、医疗辅助诊断、私人人工智能健康助理等。
-
-
-
-
-
-
-
-
-