-
公开(公告)号：CN118132736B
公开(公告)日：2024-10-01
申请号：CN202410558526.5
申请日：2024-05-08
申请人： 青岛国创智能家电研究院有限公司 , 青岛科技大学
IPC分类号： G06F16/332 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种用户画像识别系统的训练方法、控制装置以及存储介质。所述方法包括：获取对话样本，其中所述对话样本包括第一回复样本以及第一咨询样本，其中所述第一回复样本以及所述第一咨询样本使用同一标签；基于所述对话样本中的第一回复样本以及第一咨询样本，得到第一融合向量；对第一融合向量进行特征提取，得到第二特征向量；基于所述第二特征向量得到用户画像，基于所述用户画像以及所述标签，通过反向传播算法对用户画像识别系统进行训练。通过获取由第一回复样本以及第一咨询样本组成的对话样本，并对第一回复样本以及第一咨询样本进行深入分析以及融合后进行了特征提取，实现了通过文本数据就成功的对用户画像进行了精准识别。
-
公开(公告)号：CN118132736A
公开(公告)日：2024-06-04
申请号：CN202410558526.5
申请日：2024-05-08
申请人： 青岛国创智能家电研究院有限公司 , 青岛科技大学
IPC分类号： G06F16/332 , G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/08
摘要： 本发明涉及一种用户画像识别系统的训练方法、控制装置以及存储介质。所述方法包括：获取对话样本，其中所述对话样本包括第一回复样本以及第一咨询样本，其中所述第一回复样本以及所述第一咨询样本使用同一标签；基于所述对话样本中的第一回复样本以及第一咨询样本，得到第一融合向量；对第一融合向量进行特征提取，得到第二特征向量；基于所述第二特征向量得到用户画像，基于所述用户画像以及所述标签，通过反向传播算法对用户画像识别系统进行训练。通过获取由第一回复样本以及第一咨询样本组成的对话样本，并对第一回复样本以及第一咨询样本进行深入分析以及融合后进行了特征提取，实现了通过文本数据就成功的对用户画像进行了精准识别。
-
公开(公告)号：CN118675762A
公开(公告)日：2024-09-20
申请号：CN202410865617.3
申请日：2024-06-28
申请人： 青岛国创智能家电研究院有限公司
IPC分类号： G16H50/70 , G16H80/00 , G06F16/9535 , G06N3/0464 , G06N3/084
摘要： 本申请涉及数据处理技术领域，公开了一种基于多主体画像的医生推荐方法及推荐装置、电子设备。医生推荐方法包括：获取目标患者的基本信息和疾病问询信息；根据目标患者的基本信息和疾病问询信息构建患者特征表示向量；其中，患者特征表示向量包括患者的静态画像标签信息和动态交互行为信息；计算患者特征表示向量与预先构建的医生数据库中每个医生的医生特征表示向量的匹配值；其中，医生特征表示向量包括医生的静态画像标签信息和历史动态交互行为信息；根据匹配值对医生数据库中的多个医生进行排序，将排序在前的设定个数的医生推荐给目标患者。本申请可以提高为患者推荐医生的准确性。
-
公开(公告)号：CN117936121A
公开(公告)日：2024-04-26
申请号：CN202410125950.0
申请日：2024-01-30
申请人： 青岛科技大学
IPC分类号： G16H80/00 , G06F16/35 , G06F18/213 , G06F18/241 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/047 , G06N3/048 , G06F18/214 , G06F40/289
摘要： 本发明公开了一种基于多特征融合的混合神经网络慢病诊疗问题分类方法，涉及文本分类技术领域，技术方案为，一种基于多特征融合的混合神经网络慢病诊疗问题分类方法，其特征在于，包括：采集慢病诊疗问题相关数据，进行人工标记，建立数据库；对数据库中的数据进行预处理；采用多特征融合对数据库中的文本特征进行表示；通过添加注意力池化层的TextCNN模型APTC，并结合多头注意力机制MHA以及双向门控循环单元Bi‑GRU构成了混合神经网络模型MHA‑APTC‑BiGRU用于特征提取；确定慢病诊疗问题分类模型；对模型进行验证与优化，并对样本数据进行精准分类。本发明的有益效果为：提供了一种基于多特征融合的混合神经网络慢病诊疗问题分类方法。
-
-
-
搜索结果
4 条记录 (耗时 0.04 秒)
