一种强化特征表示的专有名词命名实体识别方法

    公开(公告)号:CN118313381A

    公开(公告)日:2024-07-09

    申请号:CN202410418617.9

    申请日:2024-04-09

    摘要: 本发明公开了一种强化特征表示的专有名词命名实体识别方法,包括:分别生成命名实体的上下文词嵌入表示和图嵌入表示;利用BERT模型中预训练好的transformer自注意力权重对图卷积网络的图注意力机制进行动态初始化;将词嵌入表示和图嵌入表示一一对应输入至BERT模型和初始化后的图卷积网络;基于BERT模型对词嵌入表示进行特征提取,获得命名实体的局部上下文特征表示;基于图卷积网络对图嵌入表示进行特征提取,获得命名实体全局动态的辅助特征表示;对上下文特征表示和辅助特征表示进行特征融合,得到强化特征;基于条件随机场模型对强化特征进行序列标注。本发明能够同时提取文本的局部信息和全局信息进行命名实体识别,提升了命名实体识别模型的性能。

    一种基于BiLSTM的物联网时序数据异常检测方法

    公开(公告)号:CN117312769A

    公开(公告)日:2023-12-29

    申请号:CN202311216850.0

    申请日:2023-09-20

    摘要: 本发明涉及数据检测技术领域,具体涉及一种基于BiLSTM的物联网时序数据异常检测方法,包括:获取上一时段的物联网感知时序数据,并进行预处理;将预处理后的时序数据输入预先训练好的BiLSTM模型,输出下一时段的预测时序数据;将下一时段采集的实际时序数据与预测时序数据间的残差分别与预设的多个阈值进行比较,若大于阈值,则标记为异常值,否则标记为正常值;若某一数据点被标记为异常值的次数多于被标记为正常值的次数,则判定该数据点为异常数据。本发明考虑了物联网感知数据的时序特征,同时对物联网感知数据进行多阈值判断,保证检测结果的准确性。

    一种基于MSET和实时动态基线的睡眠呼吸异常预警方法

    公开(公告)号:CN116250823A

    公开(公告)日:2023-06-13

    申请号:CN202111503075.8

    申请日:2021-12-10

    IPC分类号: A61B5/08 A61B5/00

    摘要: 本发明涉及一种基于MSET和实时动态基线的睡眠呼吸异常预警方法,其主要技术特点是:利用大量的数据训练睡眠呼吸状态健康状态评估模型,根据模型偏差的大小进行睡眠呼吸状态评估,对患者存在的潜在异常信息进行挖掘。采用支持向量回归预测法计算实时动态基线,实现对睡眠呼吸状态的判断并且可以预测未来的睡眠呼吸状态。比固定阈值方法更加准确。依据呼吸监测指标贡献率,进一步挖掘呼吸监测指标的异常信息,为医生提供更加精准的信息。该方法能在早期准确发现身体异常状态,提醒人们及时采取有效措施。本发明的方案旨对睡眠呼吸状态进行实时监测,对异常状态做出预警并且可以进行趋势预测,为患者提供宝贵的治疗时间,提高预警的准确率。

    一种碎片化知识智能化聚合方法

    公开(公告)号:CN108280153B

    公开(公告)日:2022-01-07

    申请号:CN201810013215.5

    申请日:2018-01-08

    IPC分类号: G06F16/36 G06F16/35

    摘要: 本发明涉及一种碎片化知识智能化聚合方法,步骤如下:步骤1.定义知识元本体;步骤2.定义碎片化知识本体关联聚合;步骤3.建立基于本体蕴涵的关联聚合规则;步骤4.聚合关联规则判定;步骤5.基于知识元本体的碎片知识关联规则判定;步骤6.碎片知识聚合关联发现;步骤7.实现碎片化知识聚合。本方法通过支持度及置信度判定,判定两个或多个知识元本体关联关系,通过强关联方法实现碎片化知识聚合;该方法分析了碎片化知识特征,面向在线学习要求,将原有固态的知识结构进行重新分割与动态聚合为具有自组织能力的知识簇,最终完成碎片化知识聚合,引导学习者充分利用碎片化时间获取精准有意义的知识内容。