-
公开(公告)号：CN119649979A
公开(公告)日：2025-03-18
申请号：CN202411672341.3
申请日：2024-11-21
Applicant: 哈尔滨工业大学
IPC: G16H15/00 , G06N5/04 , G06F18/214
Abstract: 基于分段提取推理学习的PET报告生成系统，本发明涉及医学影像分析和自然语言处理领域。本发明的目的是为了解决现有技术中语言模型难以高效生成高质量报告的问题。基于分段提取推理学习的PET报告生成系统包括：训练数据集获取模块、模型获取模块、待测PET报告生成模块；训练数据集获取模块用于获取PET报告，基于PET报告构建SERI训练数据集；SERI为分段提取推理；模型获取模块用于基于SERI训练数据集对模型进行训练，获得训练好的模型；待测PET报告生成模块用于将待测PET报告输入训练好的模型，训练好的模型输出PET报告的提取信息和推理结论；所述PET为正电子发射断层扫描。
-
公开(公告)号：CN119446378A
公开(公告)日：2025-02-14
申请号：CN202411559178.X
申请日：2024-11-04
Applicant: 哈尔滨工业大学
Abstract: 基于心理学量表的社交媒体用户异常心理状态识别方法及系统，涉及人工智能技术领域，针对现有异常心理识别方法，仅通过对帖子和异常心理状态的基本理解进行异常心理识别，其未能深入挖掘与异常心理状态密切相关的帖子。进而导致了异常心理状态识别的准确率低的问题，本申请通过引入心理学量表为异常心理识别提供了丰富的量表项信息，使得识别方法能够对用户的帖子有更详细和深入的理解，从而能够做出更准确的识别，进而提升了异常心理状态识别的准确率。
-
公开(公告)号：CN119361126A
公开(公告)日：2025-01-24
申请号：CN202411492394.7
申请日：2024-10-24
Applicant: 哈尔滨工业大学
Abstract: 一种利用病历信息进行肝胆胰疾病智能化辅助诊疗的病历智能体系统，本发明涉及病历智能体系统，属于医学信息处理领域。本发明的目的是为了解决现有技术系统对病历信息挖掘不够充分，没有利用好各个类型的数据，以及整体推理过程的不可见使得系统可解释性差的问题。系统包括：数据处理模块、数值类型肝胆胰疾病分类模块、自然语言类型肝胆胰疾病分类模块、影像检查数据类型肝胆胰疾病分类模块、整合模块、证据判断模块；数值类型肝胆胰疾病分类模块用于获取数值类型肝胆胰疾病分类结果；自然语言类型肝胆胰疾病分类模块用于获取自然语言类型肝胆胰疾病分类结果；影像检查数据类型肝胆胰疾病分类模块用于获取影像检查类型肝胆胰疾病分类结果。
-
公开(公告)号：CN116628213A
公开(公告)日：2023-08-22
申请号：CN202310137507.0
申请日：2023-02-06
Applicant: 北京达佳互联信息技术有限公司 , 哈尔滨工业大学(深圳)
IPC: G06F16/36 , G06F16/35 , G06F40/211 , G06F40/284 , G06N5/025 , G06F18/25
Abstract: 本公开关于一种实体关系的预测方法、装置、电子设备及存储介质，该方法包括：获取图像‑文本对中的文本的文本表示，所述图像‑文本对中的图像和所述文本包含至少一个相同的实体；获取三元组文本的三元组表示，所述三元组文本包括文本三元组文本和图像三元组文本；对所述文本表示和所述三元组表示进行信息融合处理，得到更新后的文本表示，更新后的文本表示包括所述文本三元组文本的信息和所述图像三元组文本的信息；基于更新后的文本表示，预测文本中的头实体和尾实体之间的关系类别。本公开中更新后的文本表示中融合了文本三元组文本的信息和图像三元组文本的信息，因此基于更新后的文本表示预测的头实体和尾实体之间的关系类别更加准确。
-
公开(公告)号：CN115186683A
公开(公告)日：2022-10-14
申请号：CN202210836512.6
申请日：2022-07-15
Applicant: 哈尔滨工业大学
Abstract: 一种基于跨模态翻译的属性级多模态情感分类方法，涉及自然语言处理技术领域，针对现有技术在属性级多模态情感分析任务上预测准确率低的问题，本申请提出了一种简单但有效的人脸敏感的跨模态翻译方法，在不需要额外训练图像情感描述生成模型的情况下，通过引入人脸信息生成人脸表情描述补全图片情感信号，实现了更精准的属性级多模态情感预测。
-
Patent Agency Ranking
公开(公告)号：CN114676259B
公开(公告)日：2022-09-23
申请号：CN202210373952.2
申请日：2022-04-11
Applicant: 哈尔滨工业大学
Abstract: 一种基于因果感知交互网络的对话情绪识别方法，涉及情绪识别技术领域，针对现有技术中对话情绪识别的准确率低的问题，本申请提出了一种基于因果感知交互网络的对话情绪识别方法，用于对话情绪识别。更具体地说，本申请探索了在识别目标语句的情绪时，将情绪原因纳入考虑的有效性。常识知识作为因果线索被利用，以帮助自动提取因果关系，缓解因缺乏情感原因注释而带来的限制。然后，本申请设计了包括因果线索检索和因果语句回溯在内的两步因果感知交互，以检测与目标语句相关的自身和他人间情绪原因。由此获得了具有因果感知的上下文表述，用于情绪识别。在三个基准数据集上的实验结果证明了所提出的CauAIN的有效性及其检测准确情绪原因的能力。
-
公开(公告)号：CN114398500B
公开(公告)日：2022-09-09
申请号：CN202210112341.2
申请日：2022-01-29
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于图增强预训练模型的事件预测方法，包括：获取事件序列，对事件序列进行预训练获得若干个编码向量，并对若干个编码向量进行聚合，获得事件序列的表示向量；基于事件序列的表示向量，获取事件序列中任两个事件的邻接关系；获取事理图谱，基于事理图谱获取事件的逻辑关系；基于任两个事件的邻接关系和事件的逻辑关系完成事件预测。采用事理图谱作为模型学习事件间关系模式的知识库，事理图谱是描述事件及其逻辑关系的图谱，其知识将为事件预测任务提供有力支撑，将预训练语言模型与图结构信息预测进行融合，既能利用预训练模型中的丰富语言学知识，充分理解各个事件的语义，能通过学习事理图谱结构变量实现图结构信息的预测。
-
公开(公告)号：CN113641822A
公开(公告)日：2021-11-12
申请号：CN202110922884.6
申请日：2021-08-11
Applicant: 哈尔滨工业大学
Abstract: 一种基于图神经网络的细粒度情感分类方法，涉及自然语言处理技术领域，针对现有技术中由于复杂的句法结构，相关情感词的信息会衰减，进而导致情感分类准确率低的问题，本申请利用评价对象中心化图以缓解基于评价对象的情感分类任务中情感信息在依赖路径上的衰减问题。具体来说，本申请将一个句子中的所有单词直接与评价对象联系起来。此外，为了区分不同词的重要性，并继承句法结构带来的优势，本申请根据相对依存距离对每个词赋予了不同的权重。在此基础上，本申请评价对象为中心的图卷积网，将特定方面的情感特征与上下文信息进行交互，有效捕捉评价对象和潜在情感词之间的关联，进而提高了情感分类的准确率。
-
公开(公告)号：CN113326352A
公开(公告)日：2021-08-31
申请号：CN202110675339.1
申请日：2021-06-18
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种基于异构事件图的子事件关系识别方法，包括以下步骤：采集文本，提取文本中的事件，识别事件连接，基于事件和事件连接建立异构初始事件图，转换异构初始事件图，构建异构事件图；基于预训练语言模型BERT，获得异构事件图中每个节点的节点表示，基于节点表示，获得异构事件图的输入特征；对异构事件图中每个节点创建混合跳邻域集，进行信息传播和聚合，获得异构图注意力机制模型；将待测事件对输入异构图注意力机制模型，预测待测事件对的子事件关系。本发明通过混合多种距离邻居的特征表示，聚合来自不同类型的邻居的信息，捕获输入事件对之间的潜在的上下位关系，提高利用异构事件图预测子事件关系的准确性。
-
公开(公告)号：CN111651983B
公开(公告)日：2021-06-18
申请号：CN202010397785.6
申请日：2020-05-12
Applicant: 哈尔滨工业大学
IPC: G06F40/284 , G06N3/04 , G06N3/08
Abstract: 一种基于自训练与噪声模型的因果事件抽取方法，本发明涉及因果事件抽取的方法。本发明的目的是解决现有基于深度学习模型的因果事件抽取方法在有标注数据不足的领域或场景中效果有限的问题。过程为：一、收集已标注的目标领域文本；二、计算一个向量表示；三、计算出概率最大的标签序列；四、训练三中的模型，并对二中的模型进行微调；五、得到大量自标注数据；六、为每个单词计算一个向量表示，计算单词序列生成每个可能的标签序列的概率；七、计算自标注文本中每个单词的噪声矩阵；八、得到由单词序列生成自标注标签序列的概率；九、使用一中有标注数据与五中自标注数据共同训练二、三、六、七中的整体模型。本发明用于因果事件抽取领域。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.048 seconds)
