公开(公告)号：CN119474418A

公开(公告)日：2025-02-18

申请号：CN202411506302.6

申请日：2024-10-28

Applicant: 山东省计算中心(国家超级计算济南中心) ,  齐鲁工业大学(山东省科学院)

Inventor： 郑超群 ,  左瑞帆 ,  胡国城 ,  董祥军 ,  管红娇 ,  任晓强 ,  赵龙

IPC: G06F16/48 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/0985 ,  G06F18/213 ,  G06F18/22

Abstract: 本发明公开了基于多视角中心结构的多模态哈希检索方法、系统、设备及介质，属于人工智能及多模态哈希检索技术领域，本发明要解决的技术问题为多模态哈希检索过程中类内紧凑性和类间可分性之间取得平衡，采用的技术方案为：构建多模态数据集；构建基于多视角中心结构的多模态哈希检索模型；训练模型；其中，构建基于多视角中心结构的多模态哈希检索模型具体如下：模态特定原型学习：利用图像模态深度多层感知器和文本模态深度多层感知器分别从对应模态中提取细化特征，并计算图像模态和文本模态细化特征的平均值获取模态特定原型，进而获取图像模态的独特特征和文本模态的独特特征；多模态集成类原型学习；多视角语义增强哈希学习。

公开(公告)号：CN116910660B

公开(公告)日：2024-01-23

申请号：CN202311145834.7

申请日：2023-09-07

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 管红娇 ,  鹿文鹏 ,  董祥军 ,  赵龙 ,  任晓强 ,  陈川

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/23 ,  G06N3/0895

Abstract: 本发明提供了一种面向不平衡数据的自步半监督集成分类器训练方法及系统，其属于数据处理技术领域，该方案通过结合分类器和加权k近邻确定安全的伪标注样本，来提高伪标注样本的质量；然后，使用基于聚类的自步学习选择伪标注样本，有效提高添加的伪标注样本的多样性并缓解错误积累；最后，利用增强后的平衡样本集训练基分类器并集成，来缓解由不平衡的类分布造成的分类器偏差，特别是对于医疗领域的图像分类、征信风险评估领域的风险评估等经常存在数据样本不平衡的情况下，能够有效保证训练后分类器分类结果的准确性。(56)对比文件Hongjiao Guan 等.A GeneralizedOptimization Embedded Framework ofUnfersampling Ensembles for ImbalancedClassification《.researchGate》.2021,第1-10页.Yangguang Shao.Dual Self-Paced SMOTEfor Imbalanced Data《.2022 26thInternational Conference on PattenRecognition》.2022,第3083-3089页.

公开(公告)号：CN118035470A

公开(公告)日：2024-05-14

申请号：CN202410349165.3

申请日：2024-03-26

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 郑超群 ,  左瑞帆 ,  管红娇 ,  鹿文鹏

IPC: G06F16/43 ,  G06F16/483 ,  G06F18/25 ,  G06F40/30 ,  G06F40/289 ,  G06V20/70 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明公开了基于深度语义代理的多模态哈希检索方法、系统、设备及介质，属于人工智能及多模态哈希检索技术领域，本发明要解决的技术问题为多模态哈希检索过程中多模态融合不充分的问题以及忽略的数据本身与监督语义之间的关联弱，技术方案为：构建多模态数据集：获取图像模态和文本模态数据集，并进行预处理，再使用CLIP预训练模型对图像模态和文本模态数据集进行深度特征提取，并按照比例构建训练集、测试集和检索集，再组合生成最终的数据集；构建基于深度语义代理的多模态哈希检索模型：利用神经网络和深度学习方法构建基于深度语义代理的多模态哈希检索模型；训练模型：利用最终的数据集对基于深度语义代理的多模态哈希检索模型进行训练。

公开(公告)号：CN116910660A

公开(公告)日：2023-10-20

申请号：CN202311145834.7

申请日：2023-09-07

Applicant: 山东省计算中心(国家超级计算济南中心)

Inventor： 管红娇 ,  鹿文鹏 ,  董祥军 ,  赵龙 ,  任晓强 ,  陈川

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/23 ,  G06N3/0895

Abstract: 本发明提供了一种面向不平衡数据的自步半监督集成分类器训练方法及系统，其属于数据处理技术领域，该方案通过结合分类器和加权k近邻确定安全的伪标注样本，来提高伪标注样本的质量；然后，使用基于聚类的自步学习选择伪标注样本，有效提高添加的伪标注样本的多样性并缓解错误积累；最后，利用增强后的平衡样本集训练基分类器并集成，来缓解由不平衡的类分布造成的分类器偏差，特别是对于医疗领域的图像分类、征信风险评估领域的风险评估等经常存在数据样本不平衡的情况下，能够有效保证训练后分类器分类结果的准确性。

公开(公告)号：CN118430756A

公开(公告)日：2024-08-02

申请号：CN202410553840.4

申请日：2024-05-07

Applicant: 齐鲁工业大学(山东省科学院)

Inventor： 管红娇 ,  梁镇鹏 ,  赵直倬 ,  鹿文鹏 ,  王建磊 ,  郑超群

IPC: G16H20/90 ,  G06F40/30 ,  G06N3/0442 ,  G06F16/35

Abstract: 本发明公开了基于新匹配得分和新标签注意力得分的中医证型辨证方法和装置、存储介质、电子设备，属于自然语言处理技术领域及计算机人工智能领域，本发明要解决的技术问题为如何使用自然语言处理技术依据患者的临床文本为患者选择合适的证型，从而减少医生的工作量，提高诊疗效率，采用的技术方案为：①基于新匹配得分和新标签注意力得分的中医证型辨证方法，该方法包括如下步骤：S1、构建中医辨证模型训练数据集；S2、构建中医辨证模型；S3、训练中医辨证模型。②基于新匹配得分和新标签注意力得分的中医证型辨证装置，该装置包括：中医辨证模型训练数据集构建单元、中医辨证模型构建单元、中医辨证模型训练单元。

公开(公告)号：CN117312575A

公开(公告)日：2023-12-29

申请号：CN202311278626.4

申请日：2023-10-07

Applicant: 齐鲁工业大学(山东省科学院)

Inventor： 鹿文鹏 ,  张国标 ,  吴晓明 ,  管红娇 ,  郑超群 ,  董祥军 ,  赵龙 ,  任晓强 ,  乔新晓 ,  张维玉

IPC: G06F16/36 ,  G06F40/295 ,  G06N5/022 ,  G06N3/0464 ,  G16H50/70

Abstract: 本发明公开了基于关系融合和信息融合的医疗实体消歧方法和装置，属于人工智能、自然语言处理领域。本发明要解决的技术问题为如何使用自然语言处理技术增强医疗实体提及的上下文表示和候选医疗实体的表示，从而准确地判断医疗实体提及所对应的候选医疗实体。采用的技术方案为：①基于关系融合和信息融合的医疗实体消歧方法，该方法包括如下步骤：S1、构建医疗实体消歧知识库；S2、构建医疗实体消歧模型数据集；S3、构建医疗实体消歧模型；S4、训练医疗实体消歧模型。②基于关系融合和信息融合的医疗实体消歧装置，该装置包括：医疗实体消歧知识库构建单元、医疗实体消歧模型数据集构建单元、医疗实体消歧模型构建单元和医疗实体消歧模型训练单元。

公开(公告)号：CN116340641A

公开(公告)日：2023-06-27

申请号：CN202310412932.6

申请日：2023-04-13

Applicant: 齐鲁工业大学(山东省科学院)

Inventor： 鹿文鹏 ,  付新月 ,  王荣耀 ,  张维玉 ,  管红娇 ,  赵龙

IPC: G06F16/9535 ,  G06F40/216 ,  G06F18/214 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种基于显式和隐式兴趣特征的智能新闻推荐方法和系统，解决的技术问题为现有的新闻推荐方法无法识别显式和隐式兴趣特征，从而导致推荐结果不准确的问题，采用的技术方案为：该方法具体如下：S1、构建新闻推荐模型的训练数据集；S2：构建基于显式和隐式兴趣特征的新闻推荐模型：具体如下：S201、构建新闻编码器；S202、构建显式兴趣编码器、S203、构建词频‑逆向文件频率TF‑IDF算法模块；S204、构建隐式兴趣编码器；S205、构建图神经网络；S206、构建隐式兴趣解码器；S207、构建点击率预测器；S3、训练基于显式和隐式兴趣特征的新闻推荐模型。该系统包括训练数据集生成单元、基于显式和隐式兴趣特征的新闻推荐模型构建单元和模型训练单元。

公开(公告)号：CN115907972A

公开(公告)日：2023-04-04

申请号：CN202310067258.2

申请日：2023-01-16

Applicant: 齐鲁工业大学(山东省科学院)

Inventor： 管红娇 ,  董祥军 ,  陈川 ,  赵龙 ,  任晓强

IPC: G06Q40/03 ,  G06F18/241

Abstract: 本发明提出了基于双重自步学习的不平衡征信数据风险评估方法及系统，涉及数据评估领域，对原始征信样本集进行样本难度计算，进而得到样本难度的概率密度函数；根据样本难度的概率密度函数，分别对高风险样本和低风险样本进行多次自步上采样和自步下采样，生成多个样本数量平衡的征信样本集；基于多个征信样本集，训练多个基分类器，将基分类器融合得到风险评估模型；通过风险评估模型对待评估的征信数据进行风险类型预测，以生成并输出风险类型；本发明采用自步上采样和自步下采样分别处理高风险和低风险征信样本，得到平衡征信样本集，训练最终的风险评估模型，用于评估某个征信用户为高风险或低风险，提高对不平衡的征信数据的分类准确率。

公开(公告)号：CN118628940A

公开(公告)日：2024-09-10

申请号：CN202410838757.1

申请日：2024-06-26

Applicant: 齐鲁工业大学(山东省科学院)

Inventor： 管红娇 ,  丁振辉 ,  刘芙雨 ,  孙钲凯 ,  姜燕 ,  贾瑞祥 ,  鹿文鹏

IPC: G06V20/17 ,  G06V10/25 ,  G06V10/764 ,  G06V10/766 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出了基于多尺度融合以及动态感知的无人机目标检测方法及系统，涉及目标检测技术领域，具体方案包括：获取待检测的无人机航拍图片；将无人机航拍图片输入到训练好的目标检测模型中，对不同大小的目标进行定位和分类，得到目标检测结果；其中，所述目标检测模型，在YOLOv5s神经网络的基础上，引入多尺度融合模块和动态感知检测头，所述多尺度融合模块用于将多尺度特征进行融合，过滤无用的遮挡信息，得到准确的目标特征图，所述动态感知检测头用于定位和分类不同大小的目标；本发明准确定位和分类具有很大尺度变化的目标对象，克服物体之间的密集遮挡和小目标检测的问题，提高模型对于相关检测环境的检测精度。

公开(公告)号：CN117711628A

公开(公告)日：2024-03-15

申请号：CN202311699331.4

申请日：2023-12-12

Applicant: 齐鲁工业大学(山东省科学院)

Inventor： 鹿文鹏 ,  张鑫 ,  张维玉 ,  管红娇 ,  郑超群 ,  赵龙 ,  任晓强

IPC: G16H50/50 ,  G06N3/08

Abstract: 本发明公开了一种基于动态图神经网络的序列疾病预测方法和装置，属于自然语言处理技术领域。本发明要解决的技术问题为如何利用动态图捕捉患者历史就诊的时序特征以及疾病发展的动态特征，以实现序列就诊预测，采用的技术方案为：①一种基于动态图神经网络的序列疾病预测方法，该方法包括如下步骤：S1、预处理序列疾病预测模型数据集；S2、构建序列疾病预测模型训练数据集；S3、构建序列疾病预测模型；S4、训练序列疾病预测模型。②一种基于动态图神经网络的序列疾病预测装置，该装置包括：预处理数据集单元、构建训练数据集单元、序列疾病预测模型构建单元以及序列疾病预测模型训练单元。