一种基于注意力机制的医疗实体向量转化方法

    公开(公告)号:CN110348019A

    公开(公告)日:2019-10-18

    申请号:CN201910644003.1

    申请日:2019-07-17

    申请人: 南通大学

    摘要: 本发明提供一种基于注意力机制的医疗实体向量转化方法,建立MedE2vec模型,具体包括以下步骤:患者整个医疗过程的电子病历包括时间分布零散的多次诊疗事件Event,单次的诊疗事件Event由患者的多个医疗实体Entity组成;输入患者的一次临床诊疗的所有医疗实体,由初始化向量矩阵W将其初始化为向量表示的诊疗序列;捕获患者诊疗事件序列V内部的医疗实体之间的关系即注意力机制;捕获患者不同诊疗事件间的关系:经过迭代训练得到向量矩阵W,W中的第i行即表示医疗实体集合中的向量;通过损失函数不断优化向量矩阵W,来得到最终的医疗实体向量。本发明是一个基于注意力机制的深度学习模型;MedE2vec可以生成更加精确的医疗实体向量。

    一种基于5G通信技术的医疗呼叫装置

    公开(公告)号:CN115413868A

    公开(公告)日:2022-12-02

    申请号:CN202211144669.9

    申请日:2022-09-20

    IPC分类号: A44C5/00 A44C5/14 A44C5/20

    摘要: 本发明公开了一种基于5G通信技术的医疗呼叫装置,属于医疗辅助设备技术领域,包括呼叫组件,所述呼叫组件包括外壳体和安装在外壳体内部的医疗呼叫系统;所述医疗呼叫系统包括扬声器、语音录入器、蓄电池模块、5G通讯模块、控制器、北斗定位模块、睡眠监测模块、身份识别模块、心跳监测器和无线充电模块;外壳体的侧面安装有用于启动语音录入器的启动按钮。通过上述方式,本发明可佩戴在患者身上,方便移动,若病人在病床外发生突发状况,按动启动按钮录入语言即可联系护士台,可及时联系护士。本发明不仅具有呼叫功能,还可以监测病人的睡眠质量、心率等健康信息,便于护士台了解病人的睡眠、心率等信息。

    一种突发公共卫生事件互联网文本抽取方法

    公开(公告)号:CN105589953A

    公开(公告)日:2016-05-18

    申请号:CN201510964759.6

    申请日:2015-12-21

    申请人: 南通大学

    IPC分类号: G06F17/30

    CPC分类号: G06F16/9577 G06F16/955

    摘要: 本发明公开了一种突发公共卫生事件互联网文本抽取方法,包括筛选作为对突发公共卫生事件信息进行挖掘的社会媒体,对筛选后的社会媒体进行分类,对于不同类别的社会媒体按照不同的方式进行文本抓取,以及将抓取的结果存入数据库。本方法充分考虑了不同社会媒体的不同特点,根据这些不同特点制定不同的信息抓取策略,从而实现了提高信息抓取速度、增进抓取信息的准确度,因此能够在第一时间收集突发公共卫生事件的舆情,对突发公共卫生事件的做出预警,此外还可供公共管理部门监测舆情使用。

    一种领域知识库属性扩展的方法

    公开(公告)号:CN104573009A

    公开(公告)日:2015-04-29

    申请号:CN201510010013.1

    申请日:2015-01-08

    申请人: 南通大学

    IPC分类号: G06F17/30 G06F17/27

    摘要: 本发明公开了一种领域知识库属性扩展的方法,包括建立属性要素框架,再通过参考《同义词词林》扩展属性词,从而作为种子集合。将已有的、并且词性标注和经过Gate标注的属性信息作为种子属性集合,设计种子模式,选择与种子模式匹配的内容信息,将这些特征词按照给定的文本模式结构进行模式化表示,从而生成新的文本模式,再用这些自动获取的文本模式来抽取新的特征属性,并将新的特征属性加入属性特征种子集合,不断重复这段过程从而完善扩充属性信息,本发明能提高领域知识库属性扩展覆盖面和精确度,进而提高领域知识库的质量,同时该方法简单高效。

    一种基于Ising模型的无监督词嵌入表示学习方法

    公开(公告)号:CN113343710B

    公开(公告)日:2023-09-29

    申请号:CN202110726042.3

    申请日:2021-06-29

    摘要: 本发明公开了一种基于Ising模型的无监督词嵌入表示学习方法,包含以下步骤S1.将输入的文本数据实体依照Ising Model构建稀疏矩阵WISM;S2.将WISM经过SLEP得到全局关系矩阵WWCM;S3.构建批次文本数据实体集Batchi;S4.依次将n个Batchi输入至Word2vec模型,利用Skip‑Gram框架结合负采样的方法得到各实体Vmij的梯度#imgabs0#及#imgabs1#步骤S5.利用局部关系矩阵Wscm结合梯度#imgabs2#更新辅助向量θu,利用负关系矩阵WNCM结合梯度#imgabs3#更新Vmij的词嵌入Veij,本发明通过利用引入由Ising模型获取的带有全局信息的矩阵结合梯度不断更新辅助向量θu及词嵌入Veij,在Word2vec训练过程中引入全局关系得分,本发明的词嵌入表示学习方法准确性高。

    一种基于注意力机制的医疗实体向量转化方法

    公开(公告)号:CN110348019B

    公开(公告)日:2023-04-28

    申请号:CN201910644003.1

    申请日:2019-07-17

    申请人: 南通大学

    摘要: 本发明提供一种基于注意力机制的医疗实体向量转化方法,建立MedE2vec模型,具体包括以下步骤:患者整个医疗过程的电子病历包括时间分布零散的多次诊疗事件Event,单次的诊疗事件Event由患者的多个医疗实体Entity组成;输入患者的一次临床诊疗的所有医疗实体,由初始化向量矩阵W将其初始化为向量表示的诊疗序列;捕获患者诊疗事件序列V内部的医疗实体之间的关系即注意力机制;捕获患者不同诊疗事件间的关系:经过迭代训练得到向量矩阵W,W中的第i行即表示医疗实体集合中的向量;通过损失函数不断优化向量矩阵W,来得到最终的医疗实体向量。本发明是一个基于注意力机制的深度学习模型;MedE2vec可以生成更加精确的医疗实体向量。

    一种基于Ising模型的无监督词嵌入表示学习方法

    公开(公告)号:CN113343710A

    公开(公告)日:2021-09-03

    申请号:CN202110726042.3

    申请日:2021-06-29

    摘要: 本发明公开了一种基于Ising模型的无监督词嵌入表示学习方法,包含以下步骤S1.将输入的文本数据实体依照Ising Model构建稀疏矩阵WISM;S2.将WISM经过SLEP得到全局关系矩阵WWCM;S3.构建批次文本数据实体集Batchi;S4.依次将n个Batchi输入至Word2vec模型,利用Skip‑Gram框架结合负采样的方法得到各实体Vmij的梯度及步骤S5.利用局部关系矩阵Wscm结合梯度更新辅助向量θu,利用负关系矩阵WNCM结合梯度更新Vmij的词嵌入Veij,本发明通过利用引入由Ising模型获取的带有全局信息的矩阵结合梯度不断更新辅助向量θu及词嵌入Veij,在Word2vec训练过程中引入全局关系得分,本发明的词嵌入表示学习方法准确性高。

    一种领域知识库属性扩展的方法

    公开(公告)号:CN104573009B

    公开(公告)日:2018-08-24

    申请号:CN201510010013.1

    申请日:2015-01-08

    申请人: 南通大学

    IPC分类号: G06F17/30 G06F17/27

    摘要: 本发明公开了一种领域知识库属性扩展的方法,包括建立属性要素框架,再通过参考《同义词词林》扩展属性词,从而作为种子集合。将已有的、并且词性标注和经过Gate标注的属性信息作为种子属性集合,设计种子模式,选择与种子模式匹配的内容信息,将这些特征词按照给定的文本模式结构进行模式化表示,从而生成新的文本模式,再用这些自动获取的文本模式来抽取新的特征属性,并将新的特征属性加入属性特征种子集合,不断重复这段过程从而完善扩充属性信息,本发明能提高领域知识库属性扩展覆盖面和精确度,进而提高领域知识库的质量,同时该方法简单高效。