-
公开(公告)号：CN104731639A
公开(公告)日：2015-06-24
申请号：CN201510147987.4
申请日：2015-03-31
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种仿真模型安全指标的可信度复核方法。包括以下步骤：对基本养老保险安全指标体系的完整性进行评估，对基本养老保险安全指标体系的可信度进行计算，安全指标仿真模型可信度评估，对可信度小于阈值的仿真模型进行修正，重复步骤一～步骤四，直到仿真模型的可信度大于阈值。本发明的优点在于，通过调用审计养老保险数据集，可以不断修正模型，直到模型到达最优模型为止。
-
公开(公告)号：CN102799627A
公开(公告)日：2012-11-28
申请号：CN201210211474.1
申请日：2012-06-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据迁移、数据集成领域，具体涉及一种高匹配效率和准确率的基于一阶逻辑和神经网络的数据对应方法。本发明包括：（1）分析已完成匹配的数据模式；（2）将模式转换为表向量，存放在待匹配表训练集合中；（3）对集合中的表进行特征提取；（4）存储提取的表的特征。（5）对待匹配模式中的待匹配表进行匹配；（6）对已完成匹配的模式中的字段进行训练，修正字段的表示形式和建立的神经网络；（5）使用训练好的神经网络和修正后的字段表示格式，对已完成匹配的表进行字段匹配。本发明减少了在数据对应过程中的时间，提高了匹配的效率和准确率。
-
公开(公告)号：CN114519369B
公开(公告)日：2024-11-01
申请号：CN202210066080.5
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06F18/2415 , G06F18/10 , G06N3/0464 , G06N3/047 , G06N3/084 , G16H10/60 , A61B5/346
Abstract: 本发明属于计算机视觉技术领域，具体涉及一种在病历中快速提取十二导联心电图的方法。本发明包括病历数据的预处理以及手工定义特征的二次细化，使用该二次细化可以加速人工标记过程，加快了模型训练过程。本发明通过定义卷积神经网络EcgNet；结合设置特征和卷积神经神经网络训练模型实现自动提取十二导联心电图，经过检验该模型提取的十二导联心电图具有单边100％的准确率，提取的心电图达到人工提取的水平。本发明可以快速精准的从病历数据中提取出满足要求的十二导联心电图，训练好模型后的提取过程快速且不需要人力参与，极大地节省了人力物力，加速了心血管疾病患者的临床数据集的构建。
-
公开(公告)号：CN112784576A
公开(公告)日：2021-05-11
申请号：CN202110039887.5
申请日：2021-01-13
Applicant: 哈尔滨工程大学 , 中电科大数据研究院有限公司
IPC: G06F40/211 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明属于依存句法分析技术领域，具体涉及一种文本依存句法分析方法。依存句法树是关系提取工作所需的重要依据，依存句法分析的目的是构建依存句法树，依存句法分析的准确性直接影响着关系提取等上层工作的精度，为了提高依存句法分析的准确性，本发明提出了基于Pointer‑Net与TreeLSTM相结合的神经网络模型的一种文本依存句法分析方法，该方法可以在依存分析的过程中兼顾上下文的语义特征，在每一步的决策过程中都会考虑到已生成的依存子树，进而提高依存句法分析的精度。
-
公开(公告)号：CN111079377A
公开(公告)日：2020-04-28
申请号：CN201911223532.0
申请日：2019-12-03
Applicant: 哈尔滨工程大学
IPC: G06F40/117 , G06F40/289 , G06F40/295 , G06F40/279 , G06N3/04
Abstract: 本发明属于医学文本标注技术领域，具体涉及一种面向中文医疗文本命名实体识别的方法。本发明通过自定义多个实体类别并依此构建医疗术语标注词典实现了对原始医疗文本中实体的自动标注，在此基础上提出了一种多粒度特征融合的模型，首次将汉字的部首作为实体识别和分类的特征应用到医疗实体识别的任务中，通过对医疗文本中的词、字、字的部首三个不同粒度上的特征进行提取、表示和融合，并利用ID-CNN-CRF算法训练模型，以实现对各类医疗文本中医疗实体的识别工作。该方法的优势在于能应用在电子病历、医学期刊等各类医疗文本中，同时能较好地解决医疗领域中不同实体之间长度差异较大的问题，并且对于未登录实体的识别有着很好的效果。
-
Patent Agency Ranking
公开(公告)号：CN111078833A
公开(公告)日：2020-04-28
申请号：CN201911223541.X
申请日：2019-12-03
Applicant: 哈尔滨工程大学
IPC: G06F16/33 , G06F16/35 , G06F40/30 , G06F40/284 , G06F40/289 , G06N3/04
Abstract: 本发明属于文本分类技术领域，具体涉及一种基于神经网络的文本分类方法。了解决传统文本分类方法不能同时有效的利用文本的语义信息和结构信息的问题，本发明可以提取文本的不同层次的语义信息和结构信息，包括单词级语义信息、单词级结构信息、短语级语义信息、短语级结构信息。为了得到文本的最终表示，本发明又提出两种融合方法来融合四种信息，分别是静态融合和基于注意力机制的动态融合。本发明基于神经网络，综合利用文本不同层次的语义信息和结构信息，提高了文本分类的准确率。
-
公开(公告)号：CN111046179A
公开(公告)日：2020-04-21
申请号：CN201911222868.5
申请日：2019-12-03
Applicant: 哈尔滨工程大学
Abstract: 本发明属于文本分类处理技术领域，具体涉及一种面向特定领域开放网络问句的文本分类方法。本发明克服了在执行一些特定领域的网络开放文本分类任务的情况下，缺乏足够可用的带类别标记的语料集，且网络文本信息量低、噪音大的问题，并为该领域的开放网络问句的层次分类提供了新方法。本发明利用了特定领域的开放网络问句及书面文本使领域的词嵌入表示更符合领域知识特征，同时，使用半监督方法加速分类模型训练并减少所需的标记样本。此外，还结合了条件概率实现了在多粒度层级的类别划分。本发明可以在问答系统、情感分析、领域知识库等领域辅助数据的提取、判别和构建。
-
公开(公告)号：CN110969009A
公开(公告)日：2020-04-07
申请号：CN201911223545.8
申请日：2019-12-03
Applicant: 哈尔滨工程大学
IPC: G06F40/211 , G06F40/242 , G06F40/289
Abstract: 本发明属于自然语言文本处理技术领域，具体涉及一种汉语自然语言文本的词语切分方法。本发明基于无监督学习中的基于良好度量的方法设计，在其中加入了少量工作量的人工的步骤，即需要人工整理中心词，人工整理中心词的优点是使词表的质量和词语类别更加可控，进一步地，可以降低对语料词语分布特征的需求，特别适用于语料的词语分布不理想以及领域合成词的中心词数量较少的情况。本发明的词语切分方法适用于领域的自然语言文本，特别地，最适用于在领域合成词和非标准词较多的领域，其分词效果好于通用的开放域分词工具的效果，结果有益于进一步在相关领域自然语言处理的后续步骤，特别是在知识抽取或知识图谱中的应用中。
-
公开(公告)号：CN102902614B
公开(公告)日：2016-04-20
申请号：CN201210334271.1
申请日：2012-09-11
Applicant: 哈尔滨工程大学
IPC: G06F11/32
Abstract: 本发明主要涉及一种实现业务运行状态监测及异常监测结果的引导处理方法。本发明包括：制定监测事件的事件-条件-动作主动规则；构建事件的维度知识库、政策知识库和专家意见知识库；事件监控线程捕获事件信号，对信号进行预处理；指标执行线程监测指标的执行，按优先级运行监测指标；对运行结果进行合规性判断，若符合主动规则，监测结束；若不符合主动规则，对存在疑点的结果发出预警信号；智能引导线程接收处理预警信号，显示预警结果横向维度和纵向维度，调出政策知识库的政策解释和专家意见知识库的专家处理意见。本发明的有益效果在于，只要系统启动，工作流程全部由系统自动完成，不需人工干预，用户只浏览结果即可。
-
公开(公告)号：CN102799627B
公开(公告)日：2014-10-22
申请号：CN201210211474.1
申请日：2012-06-26
Applicant: 哈尔滨工程大学
Abstract: 本发明属于数据迁移、数据集成领域，具体涉及一种高匹配效率和准确率的基于一阶逻辑和神经网络的数据对应方法。本发明包括：（1）分析已完成匹配的数据模式；（2）将模式转换为表向量，存放在待匹配表训练集合中；（3）对集合中的表进行特征提取；（4）存储提取的表的特征。（5）对待匹配模式中的待匹配表进行匹配；（6）对已完成匹配的模式中的字段进行训练，修正字段的表示形式和建立的神经网络；（5）使用训练好的神经网络和修正后的字段表示格式，对已完成匹配的表进行字段匹配。本发明减少了在数据对应过程中的时间，提高了匹配的效率和准确率。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.041 seconds)
