一种基于用户需求结合倒排表的专利推荐方法

    公开(公告)号:CN116932736A

    公开(公告)日:2023-10-24

    申请号:CN202310882424.4

    申请日:2023-07-18

    IPC分类号: G06F16/335 G06F16/31

    摘要: 本发明属于数据推荐的计算机信息领域,提供了一种基于用户需求结合倒排表的专利推荐方法,包括根据用户需求对专利数据集构建初始倒排表并加入相似词机制形成最终的倒排表;所述倒排表包括:单词编号、单词和专利编号列表;对专利数据集中的专利信息进行编号,形成文档列表,为文档列表中的每一个专利的专利信息使用bert模型获取句子向量表示;所述文档列表包括:专利编号、专利信息、专利信息句子向量表示;根据用户需求信息分为精准需求和广泛需求,进行双轨推荐。本发明解决了现有技术中由于专利推荐涉及到各个领域的专利,数量庞大,使用单一领域的专利信息进行推荐,导致推荐效果不佳和专利推荐不够准确的问题。

    基于迁移学习的her2病理图像细胞膜着色完整性判别方法

    公开(公告)号:CN113642518B

    公开(公告)日:2023-08-22

    申请号:CN202111014501.1

    申请日:2021-08-31

    摘要: 本发明的基于迁移学习的her2病理图像细胞膜着色完整性判别方法,首先经图像筛选、染色分离和膜着色区域划分,由专家人工划分出包裹完整和包裹不完整膜染色的图像数据集,作为Inception‑V3模型训练的输入数据集;在特征提取步骤中,首先训练出Inception‑V3模型,再通过迁移学习对Inception‑V3模型进一步训练,得到神经网络的新分类模型。本发明的her2病理图像细胞膜着色完整性判别方法,通过迁移学习,可以在短时间内使用少量训练数据训练出效果较好的神经网络模型,针对不同个体可达到92%以上的正确率,为医生进行乳腺癌her2阳性状态判断提供了有效帮助。