-
公开(公告)号：CN115098707A
公开(公告)日：2022-09-23
申请号：CN202210726686.7
申请日：2022-06-24
Applicant: 山东大学
IPC: G06F16/41 , G06F16/435 , G06F16/483 , G06K9/62
Abstract: 本发明提供了一种基于零样本学习的跨模态哈希检索方法及系统，获取用户上传的文本数据和图片数据；从获取的文本数据和图片数据中，提取数据的深度特征；将提取的深度特征量化为哈希码，与数据库中的数据进行比较，得出汉明距离排序，选择用户指定数量的数据作为检索结果；本发明能够实现新旧类别样本的有效准确检索，克服了现有哈希检索系统的封闭性难题。
-
公开(公告)号：CN114496283A
公开(公告)日：2022-05-13
申请号：CN202210138740.6
申请日：2022-02-15
Applicant: 山东大学
Abstract: 本发明属于疾病预测系统技术领域，提供了一种基于路径推理的疾病预测系统、存储介质及设备。其中，该系统包括信息获取模块，其用于获取病人入院记录信息及医学疾病的层次父子关系；祖先序列获取模块，其用于基于医学疾病的层次父子关系，构建出医学知识层次图，进而得到病人住院记录信息中的每一个疾病在医学知识层次图中的祖先序列；疾病预测模块，其用于基于医学知识层次图、病人入院记录信息中按时间顺序排列的看病序列、疾病在医学知识层次图中的祖先序列以及预先训练完成的疾病预测模型，预测出病人未来的疾病类型及发生时间。
-
公开(公告)号：CN111613339B
公开(公告)日：2021-07-09
申请号：CN202010412253.5
申请日：2020-05-15
Applicant: 山东大学
Abstract: 本发明公开了一种基于深度学习的相似病历查找方法及系统，包括：构建知识图谱；提取病历样本信息的主题作为病历的特征信息，并存储至数据库；对于输入的电子病历信息，提取病历特征信息；在所述知识图谱中获取包含与该电子病历相关的医疗常识的子图向量；将当前病历的特征信息、子图向量和病历信息样本数据库中病历的特征信息输入到训练好的神经网络模型中，计算当前病历和数据库中每个病历的相似度；按照相似度的大小，输出设定数量的相似病例。本发明有益效果：使用医疗领域知识图谱增强的siamese‑transformer深度学习神经网络模型自动提取病历特征，将病历映射到同一个向量空间，在这个空间中使用相似度计算，计算出两个病历的相似度。
-
公开(公告)号：CN107330627B
公开(公告)日：2021-06-11
申请号：CN201710543193.9
申请日：2017-07-05
Applicant: 山东大学
IPC: G06Q10/06 , G06F16/953 , G06F16/36 , G06F16/35 , G06F40/289 , G06F40/284
Abstract: 本发明公开了一种创新创意的大数据处理方法、服务器及系统，其中该方法在大数据处理服务器内完成，包括步骤1：爬取多源异构的创新大数据，并集合生成具有层次关联关系的创新知识网络；步骤2：接收客户端输入的创意需求描述，得到创新关键词，计算创新关键词与创新知识网络中的关键词的关联度和层次关联关系的紧密度，并进行相关信息标注，生成初始创新方案；步骤3：将初始创新方案发送至评价服务器，并在评价服务器内依据预设评分标准对初始创新方案进行评分；步骤4：接收评价服务器的评分并与方案合格评分阈值相比较，若前者大于后者，则初始创新方案为可行创新方案；否则，返回步骤2，直至得到可行创新方案。
-
公开(公告)号：CN111462897B
公开(公告)日：2021-05-11
申请号：CN202010249872.7
申请日：2020-04-01
Applicant: 山东大学
Abstract: 本公开提供了一种基于改进异构信息网络的患者相似度分析方法及系统，以患者住院信息作为数据输入，构建注释异构信息网络，关联患者、疾病、药物三者的关系；以注释异构信息网络的展开结构为模板的有向图，构建元结构；基于元结构，进行相似性计算，得到相似度。在疾病和药物的连接中，加入了患者信息的注释，解决了经典的异构信息网络丢失患者和药物之间的关联信息的问题，也可以很好的关联历史病历；关联患者、疾病、药物三者的关系，提高了患者相似度计算的准确性。
-
Patent Agency Ranking
公开(公告)号：CN112364238A
公开(公告)日：2021-02-12
申请号：CN202011084795.0
申请日：2020-10-12
Applicant: 山东大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的用户兴趣点推荐方法及系统，包括：获取用户的历史签到数据；基于历史签到数据对深度学习模型进行训练；将用户最新的签到数据输入到训练好的深度学习模型，输出预测的用户兴趣点；其中，所述深度学习模型自动提取用户对POI类别偏好特征和对POI偏好特征，两种特征表达为两个特征Embedding；然后，将两种特征Embedding同候选集POI Embedding进行欧氏距离计算，通过得分进行排序，输出排名为前N的POI；N为设定值。本发明考虑到拥有巨大POI语料库的检索空间会影响推荐精确度在POI类别的偏好编码器之后，链接过滤模块，缩减POI检索空间，减小CatDM检索的难度同时提高推荐的精确度。
-
公开(公告)号：CN112242185A
公开(公告)日：2021-01-19
申请号：CN202010940977.7
申请日：2020-09-09
Applicant: 山东大学
IPC: G16H15/00 , G16H30/40 , G06F40/284 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本申请公开了基于深度学习的医学图像报告自动生成方法及系统，包括：获取待生成报告的医学图像；将待生成报告的医学图像输入到预先训练好的深度学习模型中，深度学习模型生成医学图像报告；辅助医生进行诊断报告的书写；所述预先训练好的深度学习模型，是通过训练集训练得到的，所述训练集包括患者的医学图像数据和对应的文本描述数据。本申请改善了传统医学图像报告的生成过程，传统的报告书写是医生根据自身的知识和经验进行判断，而本申请可以在医生进行报告书写时给出有效的参考，用来辅助医生的报告书写，从而提高医生的工作效率。
-
公开(公告)号：CN109542585B
公开(公告)日：2020-06-16
申请号：CN201811354400.7
申请日：2018-11-14
Applicant: 山东大学
Abstract: 本发明公开了一种支持不规则时间间隔的虚拟机工作负载预测方法。对虚拟机工作负载历史数据进行预处理；构建支持不规则时间间隔数据处理的N‑LSTM模型，将预处理得到的数据输入到N‑LSTM模型中对N‑LSTM模型进行训练；得到训练好的N‑LSTM模型；对虚拟机工作负载待测数据进行预处理，将预处理得到的待测数据输入到已经训练好的N‑LSTM模型中，N‑LSTM模型输出虚拟机工作负载预测结果。本发明实现了准确使用历史数据中的时间间隔信息，设计了一个能将不规则的时间间隔与请求记录有效结合进行学习的深度学习模型，以得到最优的预测结果。
-
公开(公告)号：CN110489642B
公开(公告)日：2020-05-22
申请号：CN201910677595.7
申请日：2019-07-25
Applicant: 山东大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62
Abstract: 本公开公开了基于行为特征分析的商品推荐方法、系统、设备及介质，获取待推荐用户的商品浏览特征和购物行为特征；将获取的商品浏览特征和购物行为特征，均输入到预先训练好的第一分类器中，输出待推荐用户的购物决策风格标签；将待推荐用户的商品浏览特征、购物行为特征和购物决策风格标签，均输入到预先训练好的第二分类器中，输出待推荐用户的商品推荐类别。
-
公开(公告)号：CN110164523A
公开(公告)日：2019-08-23
申请号：CN201910424036.5
申请日：2019-05-21
Applicant: 山东大学
Abstract: 本发明公开了一种具有心智功能的智能健康分析方法及系统，包括：建立智能健康知识数据库；感知设定用户的个人基本信息与就医历史数据；对于采集到的所有用户的数据构建样本集，根据样本集中的数据，对用户进行聚类；将用户数据划分为客观数据和非客观数据，根据所述客观数据进行就医、饮食及运动的建议分析；根据所述非客观数据进行心智倾向与行为偏好的分析；对分析结果进行输出。本发明能够综合考虑用户的健康状态数据以及用户的心智倾向、行为偏好等数据，为用户提供更加具有适应性的建议，所提出的建议更加符合用户的实际需求，用户采纳率更高。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.033 seconds)
