-
Patent Agency Ranking
公开(公告)号：CN109919196B
公开(公告)日：2023-12-08
申请号：CN201910105155.4
申请日：2019-02-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于特征选择和分类模型的体质识别方法，包括步骤：通过随机数生成算法生成《中医体质分类与判定表》中全部问题的回答；根据《中医体质分类与判定表》的判定方法和判定标准，计算出当前回答下对应的体质类型；通过特征选择算法，从《中医体质分类与判定表》的全部问题中，选出具有代表性的部分问题；设计分类模型，利用部分问题的回答和对应的体质类型，训练得到一个体质识别模型；本发明引入了随机数生成算法、特征选择算法和分类模型等技术，有效地降低诊断时间，提高诊断效率，且保证了体质识别的有效性，具有一定的市场价值和推广价值。(56)对比文件王翔等.高维小样本分类问题中特征选择研究综述《.计算机应用》.2017,第37卷(第09期),2433-2438.柳璇 等《.中医体质分类与判定》标准修改建议及分析《.北京中医药大学学报》.2013,第36卷(第05期),
-
公开(公告)号：CN111222339B
公开(公告)日：2023-05-23
申请号：CN202010031774.6
申请日：2020-01-13
Applicant: 华南理工大学
IPC: G06F40/295
Abstract: 本发明公开了一种基于对抗多任务学习的医疗咨询命名实体识别方法。所述方法包括以下步骤：采集医疗咨询数据，对医疗咨询数据进行预处理，并对其中一部分数据进行实体的标注，得到有标注的医疗咨询数据；构建双向语言模型和掩码语言模型，利用无标注的医疗咨询数据，分别预训练双向语言模型和掩码语言模型；将双向语言模型和掩码语言模型的预训练特征引入到命名实体识别模型；对命名实体识别模型进行对抗多任务训练，得到训练好的命名实体识别模型；输入一段文本到训练好的命名实体识别模型的目标标注模型中，实现文本命名实体识别。本发明引入了迁移学习、对抗学习、多任务学习等技术，有效地提高了医疗咨询文本命名实体识别的效果。
-
公开(公告)号：CN112164476A
公开(公告)日：2021-01-01
申请号：CN202011036578.4
申请日：2020-09-28
Applicant: 华南理工大学
IPC: G16H80/00 , G06F16/332 , G06N3/04
Abstract: 本发明公开了一种基于多任务和知识引导的医疗咨询对话生成方法，包括以下步骤：采集和预处理医疗咨询数据；采集疾病相关的知识，并从疾病相关的知识中整理出主题标签；在编码器‑解码器的基础上构建多任务学习模型，以对话生成为主任务，疾病类别分类任务和疾病领域的知识主题分类任务作为辅助任务，为对话生成任务引入医疗领域知识；设计基于疾病类别特征的领域注意力机制和词注意力机制；设计基于主题特征的主题注意力机制；对模型进行多任务联合训练。本发明引入了层级分类器、注意力机制、多任务学习等技术，能有效地提升了医疗咨询对话生成模型的性能，让模型生成更有帮助的医疗咨询回复。
-
公开(公告)号：CN111222339A
公开(公告)日：2020-06-02
申请号：CN202010031774.6
申请日：2020-01-13
Applicant: 华南理工大学
IPC: G06F40/295
Abstract: 本发明公开了一种基于对抗多任务学习的医疗咨询命名实体识别方法。所述方法包括以下步骤：采集医疗咨询数据，对医疗咨询数据进行预处理，并对其中一部分数据进行实体的标注，得到有标注的医疗咨询数据；构建双向语言模型和掩码语言模型，利用无标注的医疗咨询数据，分别预训练双向语言模型和掩码语言模型；将双向语言模型和掩码语言模型的预训练特征引入到命名实体识别模型；对命名实体识别模型进行对抗多任务训练，得到训练好的命名实体识别模型；输入一段文本到训练好的命名实体识别模型的目标标注模型中，实现文本命名实体识别。本发明引入了迁移学习、对抗学习、多任务学习等技术，有效地提高了医疗咨询文本命名实体识别的效果。
-
公开(公告)号：CN109919196A
公开(公告)日：2019-06-21
申请号：CN201910105155.4
申请日：2019-02-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于特征选择和分类模型的体质识别方法，包括步骤：通过随机数生成算法生成《中医体质分类与判定表》中全部问题的回答；根据《中医体质分类与判定表》的判定方法和判定标准，计算出当前回答下对应的体质类型；通过特征选择算法，从《中医体质分类与判定表》的全部问题中，选出具有代表性的部分问题；设计分类模型，利用部分问题的回答和对应的体质类型，训练得到一个体质识别模型；本发明引入了随机数生成算法、特征选择算法和分类模型等技术，有效地降低诊断时间，提高诊断效率，且保证了体质识别的有效性，具有一定的市场价值和推广价值。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
