公开(公告)号：CN113742488A

公开(公告)日：2021-12-03

申请号：CN202110874769.6

申请日：2021-07-30

Applicant: 清华大学 ,  北京清华长庚医院

Inventor： 张勇 ,  窦佳恒 ,  田冰 ,  李欣 ,  李超

IPC: G06F16/36 ,  G06F40/253 ,  G06F40/289 ,  G06F40/30

Abstract: 本发明提供一种基于多任务学习的嵌入式知识图谱补全方法和装置，包括：将待补全知识图谱中的任一事物实体和对应的关系实体输入实体嵌入式表示模型，输出对应的另一事物实体表示向量；该模型是基于样本头实体、样本关系实体和对应的尾实体标签进行训练得到的，训练过程中构建的神经网络包括全局共享层、各预设知识图谱特定任务表示层和各个对应的另一事物实体表示预测模块，各预设知识图谱包括除所述待补全知识图谱以外至少N个其他知识图谱；若确定任一事物实体、关系实体和另一事物实体为待补全知识图谱中的新三元组，则进行添加。本发明提供的方法和装置，实现了同时学习多个知识图谱的嵌入，获取全局的知识表示，提高知识补全的效率。

公开(公告)号：CN113742488B

公开(公告)日：2022-12-02

申请号：CN202110874769.6

申请日：2021-07-30

Applicant: 清华大学 ,  北京清华长庚医院

Inventor： 张勇 ,  窦佳恒 ,  田冰 ,  李欣 ,  李超

IPC: G06F16/36 ,  G06F40/253 ,  G06F40/289 ,  G06F40/30

Abstract: 本发明提供一种基于多任务学习的嵌入式知识图谱补全方法和装置，包括：将待补全知识图谱中的任一事物实体和对应的关系实体输入实体嵌入式表示模型，输出对应的另一事物实体表示向量；该模型是基于样本头实体、样本关系实体和对应的尾实体标签进行训练得到的，训练过程中构建的神经网络包括全局共享层、各预设知识图谱特定任务表示层和各个对应的另一事物实体表示预测模块，各预设知识图谱包括除所述待补全知识图谱以外至少N个其他知识图谱；若确定任一事物实体、关系实体和另一事物实体为待补全知识图谱中的新三元组，则进行添加。本发明提供的方法和装置，实现了同时学习多个知识图谱的嵌入，获取全局的知识表示，提高知识补全的效率。

公开(公告)号：CN113988290A

公开(公告)日：2022-01-28

申请号：CN202111241439.X

申请日：2021-10-25

Applicant: 清华大学

Inventor： 张勇 ,  田冰 ,  李欣 ,  李超 ,  盛明 ,  王霞

IPC: G06N3/08 ,  G06N3/04 ,  G06N5/04 ,  G06N7/00 ,  G06F40/20

Abstract: 本发明提供一种基于因果干预和反事实推理的自然语言理解模型去偏方法，包括根据输入数据集构建因果图，并确定输入数据集的总效应，因果图包括前提、假设和组合特征；分别对前提、假设和组合特征进行建模，得到前提模型、假设模型和组合特征模型；通过融合函数，将前提模型、假设模型和组合特征模型进行融合，得到融合模型；利用do演算去除融合模型中的混杂因素，得到初步自然语言理解模型；利用反事实推理去除初步自然语言理解模型中假设模型的自然直接影响，基于总效应和自然直接影响得到推理结果作为目标自然语言理解模型，通过因果干预和反事实推理的处理过程，可以有效地提高目标自然语言理解模型的精准度。

公开(公告)号：CN113988013A

公开(公告)日：2022-01-28

申请号：CN202111243214.8

申请日：2021-10-25

Applicant: 清华大学

Inventor： 张勇 ,  田冰 ,  李欣 ,  李超 ,  盛明 ,  王霞

IPC: G06F40/126 ,  G16H70/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于多任务学习和图注意力网络的ICD编码方法及装置，方法包括：获取至少一个编码预测任务对应的医疗文本；至少一个编码预测任务包括ICD编码任务；根据至少一个编码预测任务对应的医疗文本，构建相应的文本图；将文本图输入编码预测模型，得到编码预测结果；编码预测结果包括ICD编码结果，编码预测模型基于训练数据对图注意力网络进行训练得到。本发明提供的基于多任务学习和图注意力网络的ICD编码方法及装置，由于在编码预测前先将医疗文本转化为文本图的形式，可以缓解数据不平衡的问题，有效提高了医疗文本的自动编码效果，编码结果更加准确、可靠。