-
公开(公告)号:CN118335352B
公开(公告)日:2024-08-30
申请号:CN202410748633.4
申请日:2024-06-12
申请人: 中国科学技术大学
IPC分类号: G16H70/60 , G16H50/70 , G06F18/2415 , G06F18/214
摘要: 本发明涉及医疗信息技术和数据分析领域,提供了一种基于知识驱动的鼻咽癌诊疗因果分析方法、装置和介质,该方法通过构建能够表征鼻咽癌诊疗特征变量之间的因果关系的初始贝叶斯网络,为初始贝叶斯网络中的各个节点修剪候选父节点集获得初始父节点集,减少了后续迭代过程中的计算复杂度,并通过迭代优化为各个节点选择最优父节点集,以获得最优贝叶斯网络。本发明中最优贝叶斯网络的构建,使得医疗专业人员能够深入理解患者疾病的发展机制,并清晰地识别不同鼻咽癌诊疗特征之间的因果联系,还为疾病的预后评估和场景分析提供了重要的维度,使医生能够预先判断疾病的进展趋势,并更准确地判断治疗效果的长期展望。
-
公开(公告)号:CN117711634A
公开(公告)日:2024-03-15
申请号:CN202311712960.6
申请日:2023-12-13
申请人: 中国科学技术大学
IPC分类号: G16H50/70 , G16H70/20 , G16H70/60 , G06F16/36 , G06F16/33 , G06F17/18 , G06N5/022 , G06N5/02
摘要: 本发明公开了一种基于因果学习的疾病概率估计方法、系统、设备及介质,结合知识图谱中对检测指标和相关疾病的语义因果关系,从医院的历史病例数据中学习检测指标和相关疾病的因果结构,然后根据学习到的因果结构以及条件概率进行疾病的概率估计;上述学习到的因果结构,可以为医学研究提供有价值的材料和方向,疾病的概率估计可以为医生提供相关的辅助参考,并且能够在提高疾病概率估计的准确性和效率的同时,降低医疗成本,增强估计结果的可解释性,且有利于推动医学领域的研究和发展。
-
公开(公告)号:CN117710730A
公开(公告)日:2024-03-15
申请号:CN202311712959.3
申请日:2023-12-13
申请人: 中国科学技术大学
IPC分类号: G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084 , G01S13/89
摘要: 本发明公开了一种地下空间目标探测方法、系统、设备及存储介质,本发明采用的概率多源标签聚合可以有效地结合一致性和矛盾信息,为模型训练过程提供更可靠的标签估计,从而减少误标对模型训练的影响,提高识别的精确度,并且设计的标签敏感的正则化能够消除错误标签的干扰,即使在存在标签矛盾的情况下,也能保证模型学习的鲁棒性,提高模型的稳定性和可靠性;基于此,本发明能够适应不同数量、不同水平的标注场景,从嘈杂的标签中挖掘真实标签,得到高质量的地下空间目标识别模型,进而实现城市地下空间的精准探测和目标识别。
-
公开(公告)号:CN117474086A
公开(公告)日:2024-01-30
申请号:CN202311420808.0
申请日:2023-10-30
申请人: 中国科学技术大学
IPC分类号: G06N5/02 , G06N5/022 , G06N5/04 , G06F16/901 , G06F16/903
摘要: 本发明公开了一种适应边层级先验错误的因果结构学习方法与系统,它能够有效地利用边层级先验知识来指导因果关系的发现,避免了仅依赖观测数据可能引入的误解,从而提高结果的可靠性;并且,引入先验知识错误处理机制,可以帮助识别和修正错误或过时的边层级先验知识,降低错误边层级先验知识对学习结果的负面影响,从而提高了因果学习的准确性,进而为复杂系统的预测、诊断及决策提供更为准确和可靠的支持;此外,本发明不仅可以用于现有的因果学习任务,也为未来的因果学习研究提供了新的思路和工具。例如,将本发明与其他机器学习技术相结合,可能会带来更好的性能和新的应用可能性。
-
公开(公告)号:CN118246550A
公开(公告)日:2024-06-25
申请号:CN202410308568.3
申请日:2024-03-18
申请人: 中国科学技术大学 , 招商银行股份有限公司
IPC分类号: G06N5/04 , G06F16/901
摘要: 本发明公开了一种稳健因果关系学习方法、系统、设备及存储介质,可以有效处理大规模变量集,并在变量集规模较大时,将问题分解成多个小规模问题进行处理,提高了处理大规模变量集的效率;同时,本发明具有良好的可扩展性,可以与任何因果算法配合使用,使本发明能够适应多种不同的应用场景和需求;并且,本发明提供了一种全新的思路来解决复杂的因果推断问题,其分治的思想和因果割的概念,为后续的因果推断研究提供了新的视角和工具;此外,本发明最终获得的有向因果图具有较高的准确性,能够提升所属应用领域的效果。
-
公开(公告)号:CN117709460A
公开(公告)日:2024-03-15
申请号:CN202311420806.1
申请日:2023-10-30
申请人: 中国科学技术大学
IPC分类号: G06N5/04 , G06F16/332 , G06F16/901 , G06F16/903
摘要: 本发明公开了一种基于大语言模型和顺序因果链约束的因果学习方法与系统,基于大型语言模型的潜力,通过引导大型语言模型推导出链式因果关系,并根据因果链中的变量顺序获取顺序约束,此举旨在挖掘因果关系的直接和间接联系,过滤与因果无关的变量,并降低在因果学习过程中计算因果关系的复杂性。此外,本发明避免了因混淆相关性和因果性而产生的误解,进一步提高了因果学习的准确性。通过应用这种方法,目标是实现更精确且效率更高的因果学习。
-
公开(公告)号:CN113495964B
公开(公告)日:2024-02-23
申请号:CN202110465765.2
申请日:2021-04-28
申请人: 中国科学技术大学
IPC分类号: G06F16/36 , G06F40/216 , G06F40/295
摘要: 本申请实施例提供了一种三元组的筛选方法、装置、设备及可读存储介质,获取三元组库,在候选三元组中获取互斥三元组集合,获取各个互斥三元组的置信度,将互斥三元组集合中置信度高的互斥三元组,作为筛选结果。三元组库包括多个候选三元组以及候选三元组的信息源,候选三元组从属于候选三元组的信息源的文本数据中提取,互斥三元组集合中任意两个互斥三元组为表达的知识同时成立的概率等于0的候选三元组,由于,互斥三元组的置信度用于指示互斥三元组的信息源表达知识的概率,互斥三元组集合中置信度高的互斥三元组的准确度高,本方案依据互斥三元组的信息源表达知识的概率从互斥三元组集合中筛选三元组,提高了三元组的准确度。
-
公开(公告)号:CN117474099A
公开(公告)日:2024-01-30
申请号:CN202311420807.6
申请日:2023-10-30
申请人: 中国科学技术大学
IPC分类号: G06N5/04 , G06F16/901 , G06F16/903 , G06F16/332 , G16H50/70
摘要: 本发明公开了一种基于大语言模型认知先验的因果发现方法与系统,上述方案启用大语言模型,识别并筛选出每个变量的潜在可能原因,有效地缩小原因集的规模,这种策略显著地减少了搜索空间,使其呈现出指数级的缩减。通过这种方法,实现更为精确和效率更高的因果关系发现。这种利用大语言模型的认知先验来提高因果关系发现的准确性和效率,为数据驱动的决策和预测提供了更为准确和高效的支持。
-
公开(公告)号:CN118335352A
公开(公告)日:2024-07-12
申请号:CN202410748633.4
申请日:2024-06-12
申请人: 中国科学技术大学
IPC分类号: G16H70/60 , G16H50/70 , G06F18/2415 , G06F18/214
摘要: 本发明涉及医疗信息技术和数据分析领域,提供了一种基于知识驱动的鼻咽癌诊疗因果分析方法、装置和介质,该方法通过构建能够表征鼻咽癌诊疗特征变量之间的因果关系的初始贝叶斯网络,为初始贝叶斯网络中的各个节点修剪候选父节点集获得初始父节点集,减少了后续迭代过程中的计算复杂度,并通过迭代优化为各个节点选择最优父节点集,以获得最优贝叶斯网络。本发明中最优贝叶斯网络的构建,使得医疗专业人员能够深入理解患者疾病的发展机制,并清晰地识别不同鼻咽癌诊疗特征之间的因果联系,还为疾病的预后评估和场景分析提供了重要的维度,使医生能够预先判断疾病的进展趋势,并更准确地判断治疗效果的长期展望。
-
公开(公告)号:CN118297158A
公开(公告)日:2024-07-05
申请号:CN202410286098.5
申请日:2024-03-13
申请人: 中国科学技术大学
IPC分类号: G06N5/04 , G06N5/022 , G06N3/042 , G06F18/214 , G06F18/2415 , G06F18/2431 , G06Q50/02
摘要: 本发明公开了一种煤矿安全风险推断方法、系统、设备及存储介质,它们是一一对应的方案,方案旨在提升知识图谱存储的安全性、数据的可追溯性、数据的最大吞吐量,以及推断操作的效能,具体的:基于区块链的知识图谱存储和优化事务处理方案可以提升知识图谱存储的安全性、数据的可追溯性与数据的最大吞吐量;基于实体嵌入分解方案可降低参数冗余、利用精细化类型感知推理提高推理效率,并结合自监督实体分类模型以及高效的图神经网络处理来优化知识图谱的构建和查询处理用于实现对大规模知识图谱的高效推理和应用。
-
-
-
-
-
-
-
-
-