-
公开(公告)号：CN114925186A
公开(公告)日：2022-08-19
申请号：CN202210566962.8
申请日：2022-05-24
Applicant: 华侨大学
IPC: G06F16/332 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供一种知识图谱的问句生成方法、装置、设备和存储介质，涉及自然语言处理技术领域。其中，这种问句生成方法包含步骤S1至步骤S7。S1、获取知识图谱。S2、根据知识图谱，通过图变换网络模型，获取各个子图的子图向量。S3、获取问句数据集。S4、根据知识图谱和问句数据集，基于相似度获取各个子图的外部问句。S5、获取五何问题类型参数。S6、根据五何问题类型参数和外部问句，通过Bi LSTM神经网络模型，获取外部增强向量。S7、根据子图向量和外部增强向量，通过指针生成网络模型，获取问句。本发明对生成教学场景中所需的类型多样、语义知识丰富、语言表达自然的问句具有重大的指导和促进作用。
-
公开(公告)号：CN114860877A
公开(公告)日：2022-08-05
申请号：CN202210464241.6
申请日：2022-04-29
Applicant: 华侨大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F40/211 , G06F40/295
Abstract: 本发明公开了一种基于知识图谱关系预测的问题链生成方法及系统，能够基于问句知识图谱自动生成问题链，包括：基于问句知识图谱构建问题链数据集；对问题链的问句实体进行特征初始化，并通过特征融合方法获得问题链的融合头实体和待测尾实体的初始向量；将融合头实体和待测尾实体的初始向量送入QCG‑KGLP模型的Graph Attention图表示学习模块中，从而获得融合头实体和待测尾实体的表示向量；将融合头实体和待测尾实体的表示向量输入到QCG‑KGLP模型的convKB模块中进行链接预测，从而实现问题链生成。本发明能有效生成适应教学场景的有关联、有梯度的问题链，从而助力教师开展提问教学与提升学生思维能力。
-
公开(公告)号：CN114860877B
公开(公告)日：2024-10-29
申请号：CN202210464241.6
申请日：2022-04-29
Applicant: 华侨大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F40/211 , G06F40/295
Abstract: 本发明公开了一种基于知识图谱关系预测的问题链生成方法及系统，能够基于问句知识图谱自动生成问题链，包括：基于问句知识图谱构建问题链数据集；对问题链的问句实体进行特征初始化，并通过特征融合方法获得问题链的融合头实体和待测尾实体的初始向量；将融合头实体和待测尾实体的初始向量送入QCG‑KGLP模型的Graph Attention图表示学习模块中，从而获得融合头实体和待测尾实体的表示向量；将融合头实体和待测尾实体的表示向量输入到QCG‑KGLP模型的convKB模块中进行链接预测，从而实现问题链生成。本发明能有效生成适应教学场景的有关联、有梯度的问题链，从而助力教师开展提问教学与提升学生思维能力。
-
公开(公告)号：CN114863234A
公开(公告)日：2022-08-05
申请号：CN202210464131.X
申请日：2022-04-29
Applicant: 华侨大学
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：CN112820400A
公开(公告)日：2021-05-18
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。
-
Patent Agency Ranking
公开(公告)号：CN112466462A
公开(公告)日：2021-03-09
申请号：CN202011353177.1
申请日：2020-11-26
Applicant: 华侨大学
IPC: G16H50/20 , G16H50/70 , G16H10/20 , G06F40/289 , G06F40/30 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于图深度学习的EMR信息关联及演化方法，包括如下步骤：EMR数据预处理：获取EMR数据集，得到EMR的实体词典；EMR图构建：实体词典中的词转换为向量表示，并得到EMR图的向量矩阵以及EMR图的邻接矩阵，组合构成EMR图；EMR图深度学习模型构建：根据得到的EMR数据集对应的所有EMR图，构建出EMR图深度学习模型的输入图数据集，从而进一步获得图深度学习模型F；EMR信息关联及演化：将任意一条EMR数据，喂入图深度学习模型F，构建EMR图的演化序列。本发明提出一种基于图深度学习的EMR信息关联及其演化方法，采用图深度学习方法对电子病历数据进行建模，利用网络关系图可视化技术展示电子病历结构信息的演化过程，实现知识发现和可解释深度学习。
-
公开(公告)号：CN114925186B
公开(公告)日：2024-09-10
申请号：CN202210566962.8
申请日：2022-05-24
Applicant: 华侨大学
IPC: G06F16/332 , G06F16/36 , G06N3/0442 , G06N3/045 , G06N5/02 , G06N5/04
Abstract: 本发明实施例提供一种知识图谱的问句生成方法、装置、设备和存储介质，涉及自然语言处理技术领域。其中，这种问句生成方法包含步骤S1至步骤S7。S1、获取知识图谱。S2、根据知识图谱，通过图变换网络模型，获取各个子图的子图向量。S3、获取问句数据集。S4、根据知识图谱和问句数据集，基于相似度获取各个子图的外部问句。S5、获取五何问题类型参数。S6、根据五何问题类型参数和外部问句，通过Bi LSTM神经网络模型，获取外部增强向量。S7、根据子图向量和外部增强向量，通过指针生成网络模型，获取问句。本发明对生成教学场景中所需的类型多样、语义知识丰富、语言表达自然的问句具有重大的指导和促进作用。
-
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：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：CN114860952B
公开(公告)日：2024-12-20
申请号：CN202210464244.X
申请日：2022-04-29
Applicant: 华侨大学
IPC: G06F16/36 , G06F40/295 , G06F17/18 , G06F18/243 , G06V10/82 , G06N3/042 , G06N3/0455 , G06N3/084
Abstract: 本发明公开一种基于数据统计和知识指导的图拓扑学习方法及系统，能在有监督下游任务下从文本数据中学习到图拓扑，方法包括：输入文本数据，获取文本数据中的实体作为图拓扑的节点，根据历史文本数据计算节点间的条件概率，构建初始图拓扑的邻接矩阵。其次，基于领域知识图谱构建出每份文本数据的知识注意网络。最后，将初始图拓扑的邻接矩阵输入到DK_Transformer(Data and Knowledge drivenTransformer)模型中，并以知识注意网络为专家知识，联合注意力机制来学习出适应下游任务的图拓扑。本方面能有效解决现有基于文本数据的图拓扑构建方法仅考虑数据统计信息、未充分利用知识和无法适应下游任务等问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.015 seconds)
