-
公开(公告)号:CN117688143A
公开(公告)日:2024-03-12
申请号:CN202311384924.1
申请日:2023-10-23
Applicant: 科大讯飞股份有限公司
IPC: G06F16/332 , G06F16/36 , G06N5/022 , G06F40/216
Abstract: 本申请提供一种指标解读的处理方法、相关插件的使用方法及相关设备,医疗场景中指标解读的处理方法包括:对问题信息进行结构化信息抽取,得到至少一个关键信息字段及其在问题信息中对应的字段值,其中,至少一个关键字段及其在问题信息中对应的字段值用于形成问题信息的信息抽取结果;对问题信息中至少一个关键信息字段中的待解读关键信息字段的字段值进行标准化,得到标化字段值;利用预设引擎,获取标化字段值对应的至少一个知识;将信息抽取结果和至少一个知识进行融合,以生成回答患者问题的回答范式,本申请的方案,增加了标化流程,保证了回答的合理性,通过预设引擎获取至少一个知识,辅助生成回答范式,使生成的回答范式更加合理准确。
-
公开(公告)号:CN116070637A
公开(公告)日:2023-05-05
申请号:CN202211600981.4
申请日:2022-12-12
Applicant: 科大讯飞股份有限公司
Abstract: 本发明公开了一种基于上下文的语义匹配方法、装置以及设备,语义匹配方法包括:将待匹配句子与其前后文按顺序拼接,形成上下文文本;将第一知识库中的所有第二标签拼接起来作为候选答案;将待匹配句子、上下文文本以及候选答案输入机器阅读理解模型,获得待匹配句子在每个候选答案上的概率分布,并将最大概率对应的候选答案的第一标签作为待匹配句子的语义预测结果。本发明采用多项选择阅读理解方案重构该任务,模型简单,可以明显提升推理效率,并且模型具有可扩展性;同时,知识库中的数据为句子和标签,无需带上下文的数据库,降低了模型构建成本,提高了模型的鲁棒性。
-
公开(公告)号:CN114328916B
公开(公告)日:2024-11-08
申请号:CN202111572355.4
申请日:2021-12-21
Applicant: 科大讯飞股份有限公司
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F18/214
Abstract: 本申请公开了一种事件抽取、及其模型的训练方法,及其装置、设备和介质,其中,事件抽取模型的训练方法包括:利用第一样本集中的目标样本文本对事件抽取模型进行第一训练,其中,事件抽取模型用于预测文本的事件分类;获取第一样本集中各目标样本文本对事件抽取模型的决策影响;基于决策影响从第一样本集中筛选出至少一个目标样本文本,以得到第二样本集;利用第二样本集中的目标样本文本对事件抽取模型进行第二训练,上述方案直接通过基于目标样本文本对事件抽取模型的决策影响,对目标文本样本进行降噪,能够节省事件抽取模型的训练成本。
-
公开(公告)号:CN114328916A
公开(公告)日:2022-04-12
申请号:CN202111572355.4
申请日:2021-12-21
Applicant: 科大讯飞股份有限公司
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06K9/62
Abstract: 本申请公开了一种事件抽取、及其模型的训练方法,及其装置、设备和介质,其中,事件抽取模型的训练方法包括:利用第一样本集中的目标样本文本对事件抽取模型进行第一训练,其中,事件抽取模型用于预测文本的事件分类;获取第一样本集中各目标样本文本对事件抽取模型的决策影响;基于决策影响从第一样本集中筛选出至少一个目标样本文本,以得到第二样本集;利用第二样本集中的目标样本文本对事件抽取模型进行第二训练,上述方案直接通过基于目标样本文本对事件抽取模型的决策影响,对目标文本样本进行降噪,能够节省事件抽取模型的训练成本。
-
公开(公告)号:CN115630699A
公开(公告)日:2023-01-20
申请号:CN202211282701.X
申请日:2022-10-19
Applicant: 科大讯飞股份有限公司
IPC: G06N5/025 , G06F40/279 , G06F40/216 , G06N3/0455 , G06N3/04
Abstract: 本申请公开了一种故障知识文本的抽取方法及抽取装置、设备和介质,其中,故障知识文本的抽取方法包括:对产品说明文本依次进行主客实体预测,得到主实体第一预测结果和客实体第一预测结果,并对产品说明文本依次进行客主实体预测,得到客实体第二预测结果和主实体第二预测结果;基于主实体第一预测结果和主实体第二预测结果,在产品说明文本中抽取故障主实体,并基于客实体第一预测结果和客实体第二预测结果,在产品说明文本中抽取故障客实体;基于故障主实体和故障客实体,构建故障知识文本。上述方案,能够提升故障知识的抽取效果。
-
-
-
-