-
公开(公告)号：CN114155965A
公开(公告)日：2022-03-08
申请号：CN202111516957.8
申请日：2021-12-13
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 一种基于人机交互的高血压慢病管理智能服务系统，主要包括信息输入层、数据处理层、数据存储层和信息反馈层，当数据流进入后，依次经过上述四个模块层处理，其特征在于：信息输入层，用于对语音和文字数据处理，形成系统可以识别使用的粗数据；数据处理层，对粗数据进行加工处理，并能将加工处理的结果反馈给信息输入层和数据存储层；数据存储层，上述两层形成的数据进行保存；信息反馈层，用于将数据反馈给用户验证下载或提供给相关机构验证交流。有益效果是：通过人机对话系统引导患者录入病历信息并评估其心血管风险水平，不仅提高了用户看病的效率，还保障了信息收集的质量，有效辅助医生进行精准决策。
-
公开(公告)号：CN116682552A
公开(公告)日：2023-09-01
申请号：CN202310956821.1
申请日：2023-08-01
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 本发明提出一种多时间跨度数据的强解释特征血液透析低血压预测方法，包括，获取血液透析低血压数据，对血液透析低血压数据进行预处理，获取第一特征集合；构建具有临床意义的第二特征集合；利用预先构建的GS‑RFE‑XGBoost模型对第一特征集合和第二特征集合进行特征选择；将特征选择的结果利用夏利普可解释的方法进行特征的可解释分析，并利用百分位数对低血压相关因素参考区间的范围进行预测。通过本发明提出的方法，可实现对血液透析低血压的强解释预测。
-
公开(公告)号：CN114255884A
公开(公告)日：2022-03-29
申请号：CN202111517662.2
申请日：2021-12-13
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 一种高血压药物治疗知识图谱构建方法，包括：高血压药物治疗知识图谱采用自上而下的方式，先构建Schema，再抽取知识；构建过程根据抽取和应用实际情况，不断完善和优化Schema；构建属性图模型；对属性图模型采用HugeGraph和MongoDB混合数据存储模式；数据加工和专家审核相结合增加知识准确度。本发明的有益效果是：通过属性图模型，解决了多元关系在临床医学知识表示中建模的问题。
-
公开(公告)号：CN116682552B
公开(公告)日：2023-10-24
申请号：CN202310956821.1
申请日：2023-08-01
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 本发明提出一种多时间跨度数据的强解释特征血液透析低血压预测方法，包括，获取血液透析低血压数据，对血液透析低血压数据进行预处理，获取第一特征集合；构建具有临床意义的第二特征集合；利用预先构建的GS‑RFE‑XGBoost模型对第一特征集合和第二特征集合进行特征选择；将特征选择的结果利用夏利普可解释的方法进行特征的可解释分析，并利用百分位数对低血压相关因素参考区间的范围进行预测。通过本发明提出的方法，可实现对血液透析低血压的强解释预测。
-
公开(公告)号：CN119884330A
公开(公告)日：2025-04-25
申请号：CN202510370888.6
申请日：2025-03-27
Applicant: 北京邮电大学 , 首都医科大学附属北京安贞医院
IPC: G06F16/3329 , G06F16/36 , G06F16/334 , G06N3/006 , G06N5/01 , G06N5/022 , G06N5/04
Abstract: 本申请提出一种基于蒙特卡洛树搜索和多智能体协作的知识图谱问答方法，包括：对多个智能体进行初始化，其中，每个智能体具有初始过程、状态和目标；通过多智能体协作生成图查询语句，得到具有评分的完整轨迹；利用蒙特卡洛树搜索方法，依据上述通过多智能体协作生成的查询轨迹，通过选择、扩展、模拟、反向传播步骤优化查询轨迹，生成可执行的图查询语句，并最终输出问题的答案集。本申请结合了端到端方法和逐步推理方法的优势，同时克服了其对知识图谱环境感知能力不足以及搜索空间过大的缺陷，通过设计扩展智能体、模拟智能体和取值智能体的分工协作机制，实现了动态生成、评估和优化查询路径，从而提高了问答系统的准确性与鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116092697A
公开(公告)日：2023-05-09
申请号：CN202211281712.6
申请日：2022-10-19
Applicant: 北京邮电大学 , 首都医科大学附属北京安贞医院
IPC: G16H70/40 , G16H50/70 , G16H20/10 , G06F16/36 , G06F16/332
Abstract: 本发明提出一种基于三层超关系知识图谱模型的药物推荐方法及装置，其中方法包括：获取目标用户的用户属性信息，用户属性信息包括患病情况、临床症状、体格检查、生理状态信息；基于超关系知识图谱构建三层超关系知识模型，将用户属性信息输入三层超关系知识模型中转化为图查询语句的搜索条件；利用搜索条件翻译出正确的图数据库查询语句，通过调用图数据库搜索引擎根据预设的推理条件得出推理结果；将推理结果添加到用药方案，根据用药方案获取目标药物，并将目标药物推送给目标用户。本发明实现了基于医学规则的药物推荐辅助决策应用。
-
公开(公告)号：CN114817459B
公开(公告)日：2025-04-01
申请号：CN202210323152.X
申请日：2022-03-29
Applicant: 北京邮电大学
IPC: G06F16/334 , G06F40/295 , G06F18/214 , G06N3/048 , G16H50/70
Abstract: 本发明公开了一种融合实体间关系的中文医学命名实体识别方法和装置，其中，该方法包括：通过预训练的编码模型对医学文本进行编码处理，并利用编码网络进行编码处理获得高层级特征向量；利用预训练的编码模型进行关系嵌入表示，同时采用注意力机制将第二文本信息作为上下文信息，并对医学文本中的关系嵌入和文本嵌入进行运算得到医学文本的关系特征信息；通过权重分配策略计算概率权重并融合上下文信息和关系特征信息，以对关系特征信息和医学文本进行权重分配平衡；通过实体识别模型的解码输出概率最高的命名实体类别，以得到对应医学文本的各标签结果。本发明可以将关系信息有效融入文本表示中，以增强医学领域实体识别能力。
-
公开(公告)号：CN119202370A
公开(公告)日：2024-12-27
申请号：CN202411082335.2
申请日：2024-08-08
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/36 , G06N3/042 , G06N3/084 , G06N3/0464 , G06Q50/20
Abstract: 本发明公开了基于知识图谱特征提取的电子教育资源推荐方法及系统，该方法将实体和关系数据表示成知识图谱结构以构建电子教育资源知识图谱；其中节点表示实体，边表示实体间的关系；确定电子教育资源知识图谱的节点嵌入表示和关系嵌入表示；将节点嵌入表示和关系嵌入表示输入神经网络模型输出深度嵌入层表示和交互特征；利用神经网络模型处理深度嵌入层表示和交互特征以提取特征模式，并利用特征模式预测电子教育资源知识图谱中学习者和教育资源两个节点之间是否存在学习关系的边，以基于预测结果进行电子教育资源的推荐。本发明动态地调整教育资源之间的重要性权重，最终实现对学习者未来可能感兴趣的教育资源预测和个性化推荐。
-
公开(公告)号：CN119166882A
公开(公告)日：2024-12-20
申请号：CN202411013117.3
申请日：2024-07-26
Applicant: 北京邮电大学
IPC: G06F16/953 , G06N3/0464 , G06N3/042 , G06N3/088 , G06N5/02
Abstract: 本申请提出了一种基于无监督伪负标签策略的的学术论文评审人推荐方法，包括：获取异构的学术知识图谱并分解，得到表示论文和评审人交互行为的二部图和描述节点信息的知识图谱；使用两阶段编码器分别对二部图和知识图谱进行编码，得到各节点的基本嵌入表示，并通过聚合运算分别将每个节点的基本嵌入表示融合，得到各节点的融合嵌入表示；通过图对比学习对各节点的融合嵌入表示精调，在图对比学习时使用对节点聚类得到的伪标签提取负样本，并进行正样本嵌入表示学习，得到各节点的最终嵌入表示；选定待预测的评审人和论文，通过推荐网络基于对应的节点的最终嵌入表示预测评审发生概率。采用上述方案的本发明实现了有效且准确的学术评审人的推荐。
-
公开(公告)号：CN118171732B
公开(公告)日：2024-08-30
申请号：CN202410599858.8
申请日：2024-05-15
Applicant: 北京邮电大学 , 北京白星花科技有限公司
IPC: G06N5/022 , G06N3/0455 , G06N3/042 , G06N3/0442 , G06N3/082
Abstract: 本发明涉及信息及数据业务技术领域，尤其涉及一种基于微调大模型的超关系知识抽取方法、装置、电子设备及存储介质，其中，方法包括：获取文本数据，基于预设微调参数，构建超关系知识抽取指令；基于超关系知识抽取指令，利用微调大型语言模型构建超关系知识抽取模型；基于学习率预热和衰减策略，利用训练数据集对超关系知识抽取模型进行训练，得到训练完成的超关系知识抽取模型；利用超关系知识抽取模型抽取待解析文本中超关系知识，获得关系数据。采用大型语言模型，对其进行微调以适应超关系知识抽取任务；设计针对性的指令，从模型输出中抽取实体及其相关的多元关系，构建超关系知识图谱，实现了高效、精准地获取超关系并构建知识图谱。
-
-
-
-
-
-
-
-
-
Search Results
249
records
(took 0.042 seconds)
