-
公开(公告)号：CN112820400B
公开(公告)日：2022-07-05
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。
-
公开(公告)号：CN110532355B
公开(公告)日：2022-07-01
申请号：CN201910795820.7
申请日：2019-08-27
Applicant: 华侨大学
IPC: G06F16/33 , G06F16/332 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于多任务学习的意图与槽位联合识别方法，对用户的话语/查询等输入文本进行处理，输出意图标签和槽位标签；方法包括；将用户输入文本序列顺序通过长短期记忆网络和卷积神经网络的处理，形成一个LSTM‑CNN共享表示特征；根据意图标签信息和槽位标签信息的区别，基于共享表示特征分别建立带注意力机制的Bi‑LSTM意图识别模型/槽位识别模型；利用基于梯度下降法的加权计算方法构建上述意图识别模型和槽位识别模型的总损失函数，并对其进行联合优化求解。本发明将多任务学习思想运用到垂直对话系统构建过程中，能够实现输入文本意图和槽位的联合识别，有效提升垂直对话系统输入文本意图和槽位识别的准确率和F值。
-
公开(公告)号：CN112953760B
公开(公告)日：2022-05-27
申请号：CN202110111924.9
申请日：2021-01-27
Applicant: 华侨大学
IPC: H04L41/5051 , H04L41/5041 , H04L67/51 , H04L67/02 , G06N3/12
Abstract: 本发明公开一种面向服务价值的低成本大规模个性化服务定制方法，方法包括：构建服务需求模式库和服务模式库；建立需求模式与服务模式的匹配概率；构建服务价值关系图，通过图的广度优先遍历实现对用户需求的排序；利用遗传算法在需求模式库中找到满足当前用户需求的最佳需求模式集；利用匹配概率，找出与最佳需求模式集匹配的最佳服务模式集，生成满足需求的服务解决方案；计算服务解决方案的第一成本；判断服务网络中是否存在服务子网j满足当前用户需求；如存在，计算第二成本，根据第一成本、第二成本输出服务解决方案。本发明能够解决诸如云制造、Web服务互联网环境下面向用户服务价值的低成本大规模个性化服务定制问题。
-
公开(公告)号：CN107256204B
公开(公告)日：2020-12-01
申请号：CN201710235714.4
申请日：2017-04-12
Applicant: 华侨大学
Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置、两种传递函数获取方法、以及利用该实验装置在不相关多源未知载荷联合激励工况环境下根据系统已知测点的频域振动响应预测未知测点的频域振动响应的方法。基于传递函数和载荷识别的振动响应预测方法步骤：首先利用历史载荷和测点振动响应求解所有载荷点到已知测点和未知测点的传递函数；然后利用工况环境下已知测点的振动响应和所有载荷点到已知测点的传递函数识别工况环境下不相关多源频域载荷；最后利用识别的工况环境下不相关多源频域载荷和载荷到未知测点的传递函数来预测工况环境下未知测点的频域振动响应。本发明可用于多源不相关载荷未知情况下，利用已知测点的频域振动响应对未知结点频域振动响应进行预测。
-
公开(公告)号：CN111651970A
公开(公告)日：2020-09-11
申请号：CN202010675938.9
申请日：2020-07-14
Applicant: 华侨大学
Abstract: 本发明提供一种基于表格型数据生成文本的方法、装置、设备及存储介质，包括：构建数据特征表示空间，其中，所述数据特征表示空间包括记录编码层、内容选择层以及内容规划层，以实现层次化的特征表示；通过训练特征表示空间到输出向量的映射关系，构建深度生成网络；构建表格型数据到文本的生成模型；基于所述生成模型将输入的待转换的表格型数据转换为文本输出。本发明将基于层次化结构的数据特征表示与深度生成的文本生成技术融合，能够对整个表格型数据中的每条样本数据记录进行理解与推理，能够实现将结构化数据转换为全局语义连贯长文本，丰富了输入数据推理方式与输出文本表达多样性，有效提升数据到文本生成模型中BLEU与PPL等性能评测指标。
-
Patent Agency Ranking
公开(公告)号：CN110059187A
公开(公告)日：2019-07-26
申请号：CN201910284597.X
申请日：2019-04-10
Applicant: 华侨大学
Abstract: 本发明公开了一种集成浅层语义预判模态的深度学习文本分类方法，方法包括：首先对文本语料实施常规的CNN深度学习训练，包括词嵌入、卷积、池化和模式输出；其次利用领域词汇字典作为浅层语义词汇，基于浅层语义词汇，计算浅层语义预判模式；接下来将浅层语义预判模态和深度学习决策模态进行双模态融合，作为SDG-CNN模型最终的决策模式，进而以该决策模式构建损失函数和实施参数优化。本发明解决了传统深度学习模型在模型优化过程中缺乏背景知识和语义信息，信息模态单一的缺陷，提升了深度学习文本分类模型的性能。
-
公开(公告)号：CN114863234B
公开(公告)日：2024-12-20
申请号：CN202210464131.X
申请日：2022-04-29
Applicant: 华侨大学
IPC: G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/0895
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：CN114202451B
公开(公告)日：2024-07-02
申请号：CN202111544868.4
申请日：2021-12-16
Applicant: 华侨大学
IPC: G06Q10/067 , G06F17/13 , G06F17/16
Abstract: 本发明实施例提供一种服务生态系统的演化分析方法、装置、设备和存储介质，涉及服务生态系统模拟技术领域。其中，这种演化分析方法包含步骤S1至步骤S4。S1、获取服务生态系统的初始信息。S2、根据初始信息，基于扩展的Logistic微分方程，构建各价值共创单元相互作用的共生演化模型。S3、基于雅各比矩阵，采用李亚普诺夫第一法，计算分析共生演化模型的渐进稳定性。S4、获取计算过程中的演化过程，以及系统达到稳定状态时各价值共创单元的规模。本发明的演化分析方法用于探索不同的类型的不同的对象在服务生态系统中保持稳定状态的共生模式和共生条件，能够准确得到所需要的信息。
-
公开(公告)号：CN117574230A
公开(公告)日：2024-02-20
申请号：CN202311545774.8
申请日：2023-11-20
Applicant: 华侨大学
IPC: G06F18/241 , G06F40/289 , G06F40/30 , G06F40/242 , G06F40/211
Abstract: 本发明提供了护理活动文本层级多标签分类方法、装置、设备及存储介质，涉及人工智能技术领域，首先将原始输入的护理活动文本代入提示模板，得到带有掩码标识符“mask”的提示语句子，将其输入到预训练语言模型ERNIE中，得到对应“mask”的提示语隐向量；其次，将提示语隐向量输入到标签词映射器，输出分类标签词概率向量，取概率大于阈值的标签值作为预测标签词集；最后将预测标签词集转换成层级多标签，层级多标签包含领域、措施类别、措施名称的层级多标签词集。通过该方法能缓解少样本场景下可学习的知识不足的问题，有助于更好地理解文本内容、提高分类的准确性。此外，本发明还提供了具备该方法的装置、设备及存储介质。
-
公开(公告)号：CN117573835A
公开(公告)日：2024-02-20
申请号：CN202311642501.5
申请日：2023-12-04
Applicant: 华侨大学
IPC: G06F16/332 , G06F16/33 , G06F40/279 , G06F18/22 , G06F18/23213 , G16H50/70 , G16H80/00
Abstract: 本发明提供了一种大模型微调指令自动化生成方法、装置、设备及介质，首先通过模板法构建人工指令集。接着基于提示微调构建MCT对话生成的机器指令，并基于指标度量方法对生成的MCT对话语料进行修正；接着基于最大边缘相关算法进行机器指令采样；接着基于K‑Means算法进行指令池指令采样。提出了一个面向MCT多轮对话的大模型微调指令自动化生成框架，能生成符合MCT等级标准，具有角色、话题和任务等多样性的MCT对话数据集，对医学自然语言处理的新任务以及模型评估具有重要的理论价值和应用效益。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.021 seconds)
