-
公开(公告)号：CN111949792B
公开(公告)日：2022-05-31
申请号：CN202010811218.0
申请日：2020-08-13
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/211 , G06K9/62 , G16C20/50
Abstract: 本发明公开了一种基于深度学习的药物关系抽取方法，本发明利用RDKit工具，将药物分子式转换为分子图结构，再将药物分子的特征进行了表达，同时提取样本的文本特征，将药物分子特征和样本的文本特征进行了结合后，再利用全连接层softmax对药物关系进行分类，采用了句子中药物的理化性质，可以提高抽取准确率，解决现有方法难以覆盖所有文本场景且过分依赖外部自然语言处理工具的问题。
-
公开(公告)号：CN111949792A
公开(公告)日：2020-11-17
申请号：CN202010811218.0
申请日：2020-08-13
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/211 , G06K9/62 , G16C20/50
Abstract: 本发明公开了一种基于深度学习的药物关系抽取方法，本发明利用RDKit工具，将药物分子式转换为分子图结构，再将药物分子的特征进行了表达，同时提取样本的文本特征，将药物分子特征和样本的文本特征进行了结合后，再利用全连接层softmax对药物关系进行分类，采用了句子中药物的理化性质，可以提高抽取准确率，解决现有方法难以覆盖所有文本场景且过分依赖外部自然语言处理工具的问题。
-
公开(公告)号：CN110223737A
公开(公告)日：2019-09-10
申请号：CN201910512263.3
申请日：2019-06-13
Applicant: 电子科技大学
IPC: G16C20/70
Abstract: 本发明提供一种中药化学成分命名实体识别方法与装置，包括以下步骤：S1:获取中药化学成分命名实体相关文献；S2:对获取的所述相关文献进行信息过滤，以得到文本内容规范化的语料库；S3:对所述语料库进行编码和标注，得到标注好的语料库；S4:将所述标注好的语料库作为BiLSTM的训练样本进行训练，得到训练好的BiLSTM；S5:将需要识别中药化学成分命名实体的相关文献输入所述训练好的BiLSTM进行识别，以识别出中药化学成分命名实体。本发明方法将基于深度神经网络的命名实体识别技术应用到中药化学成分识别，比人工识别方式有更高的效率；有利于为构建中药化学成分命名实体基础数据库提供数据来源。
-
公开(公告)号：CN110675962A
公开(公告)日：2020-01-10
申请号：CN201910853829.9
申请日：2019-09-10
Applicant: 电子科技大学
Abstract: 本发明属于医学或兽医学；卫生学技术领域，公开了一种基于机器学习和文本规则的中药药理作用识别方法及系统，首先基于BIO规则构建训练语料库；然后提取文本特征并对特征进行数字化，采用组合多分类式SVM构建药理作用识别模型；最后采用基于规则的错误驱动学习(TBL)方法对SVM模型输出的标注结果进行后处理，提高实体识别精度。本发明将机器学习方法与基于规则的文本挖掘相关技术相结合，实现从中药文献中自动识别有效的中药药理作用信息，为中药药理作用信息化打下基础，与传统的药理作用研究方法相比，减少人工提取时间以及经济损耗，实现了在中药药理作用实体识别研究方法学上的改进。
-
Patent Agency Ranking
公开(公告)号：CN111523325A
公开(公告)日：2020-08-11
申请号：CN202010312902.4
申请日：2020-04-20
Applicant: 电子科技大学
IPC: G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于笔画的中文命名实体识别方法，本发明利用神经网络CNN对汉字笔画进行特征提取，再利用每个字的汉字特征向量和相对应的笔画特征向量相串联，输入到双向长短期记忆模型，使用神经网络CNN可以利用汉字的笔画，学习到汉字之间的相同点，双向长短期记忆模型可以学习到一句话中每个字的上下文关系。本发明通过以上设计，有效地克服了现有基于词或字符的中文命名实体识别技术的不足，提高了中文命名实体识别率。
-
公开(公告)号：CN110222343A
公开(公告)日：2019-09-10
申请号：CN201910512743.X
申请日：2019-06-13
Applicant: 电子科技大学
IPC: G06F17/27
Abstract: 本发明提供一种中药种植资源命名实体识别方法，包括以下步骤：S1:获取中药材种植资源文献；S2:按照一定的规则对所述中药材种植资源文献进行标注，并将标注后的文献拆分成文本句子；S3:分别一一查找每个文本句子所对应的词向量和字向量，利用所述词向量和字向量来训练GRU-CRF模型；S4:利用所述训练好的GRU-CRF模型对未知的中药材种植资源文献进行命名实体识别。本发明提供的中药种植资源命名实体识别方法，通过构架GRU-CRF模型，从而实现了能够自动识别中药种植资源文献的命名实体，不仅大大提高了识别准确率和识别效率，减少人工识别时间开销，并且可扩展到其他命名实体类别，比如土壤矿物质含量、水分含量等。
-
公开(公告)号：CN110717451B
公开(公告)日：2022-07-08
申请号：CN201910956301.4
申请日：2019-10-10
Applicant: 电子科技大学
IPC: G06V20/10 , G06V10/32 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T3/60 , G06T5/00
Abstract: 本发明公开了一种基于深度学习的药用植物叶部病害图像识别方法，涉及药用植物叶部病害防护技术领域，其包括采集若干药用植物叶部病害图像；对药用植物叶部病害图像进行增强处理；将各增强处理后的药用植物叶部病害图像的尺寸统一调整为299x299；训练深度CNN模型，深度CNN模型包括串联的卷积池化网络、Inception‑I网络、平均池化网络、Dropout层和Softmax层，串联的卷积池化网络的最后两个卷积层为深度可分离卷积层，Inception‑I网络中包括随机池化层；通过深度CNN模型对尺寸调整后的各药用植物叶部病害图像进行识别，识别结果为各药用植物叶部所患病害类型，基于识别结果对各药用植物叶部所患病害进行分类。该识别方法可以有效地辅助种植人员诊断病害，提高诊断效率。
-
公开(公告)号：CN110717451A
公开(公告)日：2020-01-21
申请号：CN201910956301.4
申请日：2019-10-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度学习的药用植物叶部病害图像识别方法，涉及药用植物叶部病害防护技术领域，其包括采集若干药用植物叶部病害图像；对药用植物叶部病害图像进行增强处理；将各增强处理后的药用植物叶部病害图像的尺寸统一调整为299x299；训练深度CNN模型，深度CNN模型包括串联的卷积池化网络、Inception-I网络、平均池化网络、Dropout层和Softmax层，串联的卷积池化网络的最后两个卷积层为深度可分离卷积层，Inception-I网络中包括随机池化层；通过深度CNN模型对尺寸调整后的各药用植物叶部病害图像进行识别，识别结果为各药用植物叶部所患病害类型，基于识别结果对各药用植物叶部所患病害进行分类。该识别方法可以有效地辅助种植人员诊断病害，提高诊断效率。
-
公开(公告)号：CN110277175A
公开(公告)日：2019-09-24
申请号：CN201910574252.8
申请日：2019-06-28
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于深度信念网络的中药不良作用识别方法。本发明能够对中药不良作用进行有效的整理和归纳，有助于中药不良作用实体数据库构建。并将传统的中药毒副作用研究与人工智能方法进行有机的统一，实现对于药物不良作用实体的全自动提取，减少人工提取药物不良作用的时间以及经济损耗，实现了在中药不良作用实体识别研究方法学上的优化。后期，本发明也可以根据不同中药文献集，实现针对特定中药的不良作用识别和关系挖掘，可以有效适用于各种中医药文献，不需要重新训练深度信念网络模型，可以直接从输入中药文献中识别并提取出药物不良作用实体。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
