-
公开(公告)号：CN115472252A
公开(公告)日：2022-12-13
申请号：CN202211155727.8
申请日：2022-09-22
Applicant: 华侨大学
Abstract: 本发明实施例提供基于对话的电子病历生成方法、装置、设备和存储介质，涉及自然语言处理技术领域。电子病历生成方法包含：S1获取医患对话的文本数据。S2、将文本数据输入预先训练好的文本分类模型中，获取各个段落的电子病历条目类别，并将电子病历条目类别相同的段落进行聚合，获取各个电子病历条目类别的段落类别集合。S3、分别将各个段落类别集合中的段落输入预先训练好的实体抽取模型，获取各个段落中的医学命名实体的标签，并组成实体标签对集合。S4、根据实体标签对集合，基于实体关系模板，生成病历文本，并将病历文本记性组合，获取电子病历。本发明能够从医患对话中直接抽取信息生成内容准确、严谨、规范、合乎医学语言表达的电子病历。
-
公开(公告)号：CN110807069B
公开(公告)日：2022-06-07
申请号：CN201911011199.7
申请日：2019-10-23
Applicant: 华侨大学
IPC: G06F16/28 , G06F16/36 , G06F40/284
Abstract: 本发明公开了一种基于强化学习算法的实体关系联合抽取模型构建方法，包括：输入文本，采用联合抽取标注策略对原始语料中的每条语句的词语进行实体关系标注；将文本转化为word2vec向量；预训练LSTM联合抽取器；初始化训练器网络并打乱袋子顺序；计算当前语句奖励值；计算总期望奖励值；利用优化函数更新模型参数；如果模型已收敛，对模型进行超参数的调优训练；如果超参数为最优解，生成最终的实体关系联合抽取方案。本发明基于策略梯度优化算法构建强化学习模型，能对复杂的自然语言类型原始语料的语句实体关系联合抽取问题进行有效求解，并能有效提高实体关系抽取的准确率和F1值。
-
公开(公告)号：CN110069632B
公开(公告)日：2022-06-07
申请号：CN201910284980.5
申请日：2019-04-10
Applicant: 华侨大学
IPC: G06F16/35 , G06F40/30 , G06F40/289 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种集成浅层语义表示向量的深度学习文本分类方法，方法包括：首先对文本语料训练词嵌入向量，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，生成文本语料中每一个词的浅层语义向量表达。接下来将两个词向量进行加权拼接作为新的词向量输入到CNN模型中，进行特征提取和模型训练，构建文本分类器。本发明解决基于大数据驱动的词向量表达缺少词法特征和知识表示，难以真正理解词汇语义信息的缺陷，使得模型具有更加丰富的特征表达和更高的分类性能。
-
公开(公告)号：CN110059187B
公开(公告)日：2022-06-07
申请号：CN201910284597.X
申请日：2019-04-10
Applicant: 华侨大学
IPC: G06F16/35 , G06F40/289
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：CN112380836A
公开(公告)日：2021-02-19
申请号：CN202011261252.1
申请日：2020-11-12
Applicant: 华侨大学
IPC: G06F40/211 , G06F40/186 , G06F16/332 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种智能侨情问句生成方法，包括步骤：S1：通过使用爬虫技术获取侨情相关的问答对，经过人工处理与三元组抽取，生成可用于模型训练的三元组语料集S2：采用基于seq2seq的模板学习算法，通过训练构建模板问句生成模型M，实现基于关系与主题的模板问句生成，再对模板问句进行主题文本替换获得最终的生成问句qr；S3：利用智能侨情问句生成系统的接口，接收服务端所需的参数，模型处理，回传结构化的结果。本发明采用的模板学习算法利用LSTM深度学习模型学习出问句的通用模板，能在语义层面上对问句生成机制进行学习，使生成的问句更具合规性，具有重要的理论意义和实践价值。
-
Patent Agency Ranking
公开(公告)号：CN112347366A
公开(公告)日：2021-02-09
申请号：CN202011408926.6
申请日：2020-12-04
Applicant: 华侨大学
IPC: G06F16/9535 , G06F16/335 , G06F16/36 , G06F16/383 , G06K9/62 , G06Q50/20
Abstract: 本发明实施例公开了一种基于学习者画像与习题相似度的预科中文习题推送方法，首先基于用户的母语语系与用户的历史做题轨迹构建学习者画像；之后构建知识点多叉树，进而采用LCA机制计算习题相似度；接着融合学习者画像与习题相似度生成候选习题队列；最后基于用户交互数据实时生成推送习题队列。本发明实施例针对预科留学生，构建了用户的深度垂直学习者画像；充分利用习题的多层语义信息，提升了习题推送的精准性与可解释性；采用实时交互数据，实现“i+1”教学理论下的实时引导。
-
公开(公告)号：CN110532355A
公开(公告)日：2019-12-03
申请号：CN201910795820.7
申请日：2019-08-27
Applicant: 华侨大学
IPC: G06F16/33 , G06F16/332 , G06F17/27 , 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：CN110060749A
公开(公告)日：2019-07-26
申请号：CN201910284998.5
申请日：2019-04-10
Applicant: 华侨大学
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：CN110059195A
公开(公告)日：2019-07-26
申请号：CN201910284604.6
申请日：2019-04-10
Applicant: 华侨大学
Abstract: 本发明公开了一种基于LIS的医学检验知识图谱构建方法，包括：概念层设计、实例层学习和LIS知识图谱的应用；具体为，将LIS系统中的真实记录作为知识库，对知识领域的概念集进行设计，强调概念及概念关系的形式表达；从大量的LIS系统记录中抽取与概念层相匹配的医学检验事实，提取出医学检验实体与关系，并以三元组的形式存储，从而得到最终的医学检验知识图谱；并将医学检验知识图谱应用于检验查询和合理检验两个方面。基于医学检验文献与LIS中的真实数据构建医学检验知识图谱，完善了通用医学知识图谱，可更好地服务于高层次的人工智能医疗应用；同时，作为医生的辅助查询工具，提高医生的工作效率，并开拓LIS系统的应用场景。
-
公开(公告)号：CN108960427A
公开(公告)日：2018-12-07
申请号：CN201810680852.8
申请日：2018-06-27
Applicant: 华侨大学
Abstract: 本发明公开了一种基于知识导向型遗传算法的制造云服务优化选择方法，S1：基于服务领域知识划分制造云服务组合节点制造云服务的候选服务集合；S2：从每个制造云服务候选集合中根据服务领域知识导向策略选取一个服务按照服务交互流程组合为一个个体成员，初始遗传算法种群X；S3：将每个个体成员采用整数编码方式进行编码；S4：计算种群P中所有个体的适应值；S5：返回当前全局最优解或生成下一代种群Pn；S6：将P中(1‑r)*N个最优适应值个体直接加入下一代种群Pn中；S7：采用服务领域知识导向的交叉与变异策略构建r*N个新个体并加入中；S8：返回S4；S9：输出最优的制造云服务组合方案。本发明能有效对制造云服务组合中的组合服务优化选择问题进行求解。
-
-
-
-
-
-
-
-
-
Search Results
163
records
(took 0.039 seconds)
