-
公开(公告)号：CN114358657A
公开(公告)日：2022-04-15
申请号：CN202210221387.8
申请日：2022-03-09
Applicant: 北京大学
IPC: G06Q10/06 , G06K9/62 , G06F16/9535
Abstract: 本发明提供一种基于模型融合的岗位推荐方法及装置，包括：将目标个体的目标任职序列输入至少一个基础预测模型，获取由各基础预测模型生成的目标评分矩阵；将所有的目标评分矩阵和目标个体的目标特征表进行拼接融合，确定目标融合特征并输入至岗位匹配模型，确定由岗位匹配模型输出的至少一个推荐岗位。本发明提供的基于模型融合的岗位推荐方法及装置，通过把特征表与两个基础预测模型生成的中间数据做融合，再将特征表输入至岗位匹配模型中，实现对目标个体下一次在每个预设岗位任职的概率进行预测，在召回率和归一化折损累计增益更高，使得预测的岗位更加准确，与人员的符合度更高。
-
公开(公告)号：CN113239240A
公开(公告)日：2021-08-10
申请号：CN202110277753.7
申请日：2021-03-15
Applicant: 北京大学 , 青岛国新健康产业科技有限公司
IPC: G06F16/901 , G06Q40/08 , G06Q50/00
Abstract: 本发明提供一种医保违规对象发现方法及装置，其方法包括：基于第一目标时段目标区域内医保参保人购买药品的交易数据，构建若干个关系图，并将至少一个所述关系图作为目标关系图；基于社区发现算法，对所述目标关系图进行社区发现，确定医保违规对象；其中，所述关系图中的结点表示医保参保人，所述关系图中的边表示所述边连接的两个结点所表示的医保参保人购买药品的交易之间的关系。本发明提供的医保违规对象发现方法及装置，通过获取目标关系图后，对目标关系图进行社区发现，确定医保违规对象，能更准确的发现医保违规对象，发现医保违规对象的过程简单，投入成本较低。
-
公开(公告)号：CN111666761A
公开(公告)日：2020-09-15
申请号：CN202010404188.1
申请日：2020-05-13
Applicant: 北京大学
IPC: G06F40/289 , G06F40/211 , G06N20/00
Abstract: 本发明实施例提供一种细粒度情感分析模型训练方法及装置，所述方法包括：获取带有情感标记以及方面词的文本信息；对文本信息中的每条语句进行分词处理，获取每条语句中每个词的上下文词向量，根据每个词的上下文词向量以及方面词的词向量得到文本信息中每条语句对应的语句向量；根据每条语句对应的语句向量获取每条语句的上下文语句向量，并获取每条语句基于方面词的语句权重，根据上下文语句向量与语句权重得到文本信息的文本向量；将文本向量、情感标记、以及方面词输入到循环神经网络，训练得到神经网络模型。采用本方法能够对文本数据的细粒度的各种方面情感类型进行识别，进而也提高了情感识别的准确率。
-
公开(公告)号：CN111666734A
公开(公告)日：2020-09-15
申请号：CN202010334370.4
申请日：2020-04-24
Applicant: 北京大学
IPC: G06F40/117 , G06F40/289 , G06F40/205 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供一种序列标注方法及装置。其中，方法包括：获取待分析的句子；将待分析的句子输入至序列标注模型，输出句子的分词结果及每个词的标注结果；其中，序列标注模型是基于样本句子及样本句子对应的分词和标注数据进行基于强化学习的训练获得的。本发明实施例提供的序列标注方法及装置，通过强化学习技术隐式地学习文本的分词信息，能缓解中文序列标注中分词与目标的不匹配。
-
公开(公告)号：CN117688198B
公开(公告)日：2024-07-05
申请号：CN202410148264.5
申请日：2024-02-02
Applicant: 北京大学
IPC: G06F16/583 , G06F16/58 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06T7/73
Abstract: 本发明涉及视觉识别技术领域，提供一种基于预训练模型的视觉定位方法，所述预训练模型包括图像编码器和文本编码器，该方法包括：接收待查询语句和给定图像；利用所述图像编码器获取所述给定图像的一维特征，记为第一特征；利用所述文本编码器获取所述待查询语句的一维特征，记为第二特征；利用所述第一特征、第二特征作为软标签引导所述给定图像和所述待查询语句的标记化表达的开始位置，并引导位置标记的学习；基于所述位置标记预测视觉对象定位边框。本发明通过融合图像、语句双模态特征融合以及通过多模态蒸馏损失的计算能够实现多模态之间的知识迁移，解决了模态领域之间的差距问题，进而提高预测性能。
-
Patent Agency Ranking
公开(公告)号：CN111666761B
公开(公告)日：2022-12-09
申请号：CN202010404188.1
申请日：2020-05-13
Applicant: 北京大学
IPC: G06F40/289 , G06F40/211 , G06N20/00
Abstract: 本发明实施例提供一种细粒度情感分析模型训练方法及装置，所述方法包括：获取带有情感标记以及方面词的文本信息；对文本信息中的每条语句进行分词处理，获取每条语句中每个词的上下文词向量，根据每个词的上下文词向量以及方面词的词向量得到文本信息中每条语句对应的语句向量；根据每条语句对应的语句向量获取每条语句的上下文语句向量，并获取每条语句基于方面词的语句权重，根据上下文语句向量与语句权重得到文本信息的文本向量；将文本向量、情感标记、以及方面词输入到循环神经网络，训练得到神经网络模型。采用本方法能够对文本数据的细粒度的各种方面情感类型进行识别，进而也提高了情感识别的准确率。
-
公开(公告)号：CN114358657B
公开(公告)日：2022-08-12
申请号：CN202210221387.8
申请日：2022-03-09
Applicant: 北京大学
IPC: G06Q10/06 , G06K9/62 , G06F16/9535
Abstract: 本发明提供一种基于模型融合的岗位推荐方法及装置，包括：将目标个体的目标任职序列输入至少一个基础预测模型，获取由各基础预测模型生成的目标评分矩阵；将所有的目标评分矩阵和目标个体的目标特征表进行拼接融合，确定目标融合特征并输入至岗位匹配模型，确定由岗位匹配模型输出的至少一个推荐岗位。本发明提供的基于模型融合的岗位推荐方法及装置，通过把特征表与两个基础预测模型生成的中间数据做融合，再将特征表输入至岗位匹配模型中，实现对目标个体下一次在每个预设岗位任职的概率进行预测，在召回率和归一化折损累计增益更高，使得预测的岗位更加准确，与人员的符合度更高。
-
公开(公告)号：CN114647737A
公开(公告)日：2022-06-21
申请号：CN202210116585.8
申请日：2022-02-07
Applicant: 北京大学 , 青岛国新健康产业科技有限公司
Abstract: 本发明提供一种医疗规则补全方法及装置，应用于知识推理领域，其中方法包括：基于临床路径文本，构建医疗规则知识图谱；基于预设医疗关系类型，对所述医疗规则知识图谱中各实体之间的潜在关系进行预测，得到多个规则预测结果；基于各规则预测结果的有效性评判结果，对所述医疗规则知识图谱进行补全；其中，所述预设医疗关系类型包括诊疗项目之间的时序关系、诊疗项目之间的互斥关系和药品配伍禁忌关系中的至少一种。本发明提供的方法及装置，实现了对医疗规则进行自动化地补全和动态更新，提高了医保审核的准确性以及效率，提高了临床路径文本的利用率。
-
公开(公告)号：CN114357144A
公开(公告)日：2022-04-15
申请号：CN202210221233.9
申请日：2022-03-09
Applicant: 北京大学
IPC: G06F16/332 , G06F40/216 , G06K9/62 , G16H50/70 , G06F40/289
Abstract: 本发明提供一种基于小样本的医疗数值抽取和理解方法及装置，该方法包括：基于正则化表达式，对目标医疗文本进行数值抽取；基于prompt函数，获取每一数值对应的问句；将每一数值对应的问句和所述目标医疗文本输入问答模型中，得到每一数值对应的属性信息；其中，每一数值对应的属性信息为每一数值对应的问句的答案；所述问答模型，基于第一数量的其他类的第一样本文本、第一样本问句和第一样本问句对应的真实答案，以及第二数量的医疗类的第二样本文本、第二样本问句和第二样本问句对应的真实答案进行训练获取；所述第一数量大于第二数量。本发明实现在节约医疗类标注数据资源的同时，达到较好的数值抽取和属性信息抽取效果。
-
公开(公告)号：CN114338248A
公开(公告)日：2022-04-12
申请号：CN202210249805.4
申请日：2022-03-15
Applicant: 北京大学
Abstract: 本发明提供一种基于机器学习的用户异常行为检测方法及装置，该方法包括：获取用户的操作日志信息；将操作日志信息输入到行为检测模型中，得到行为检测模型输出的用户行为属性；其中，行为检测模型为以样本日志信息为样本，以与样本日志信息对应的用户行为属性样本数据为标签进行训练得到的；行为检测模型内部包括多种神经网络模型，每种神经网络模型基于操作日志信息输出一种参考行为属性，用户行为属性为基于多种神经网络模型的权重参数以及对应输出的参考行为属性确定的。本发明提供的基于机器学习的用户异常行为检测方法及装置，得到用户行为属性的准确率更高，能够提高对用户异常行为检测的效率，便于及时发现用户的异常行为。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.024 seconds)
