公开(公告)号：CN118966228A

公开(公告)日：2024-11-15

申请号：CN202411466621.9

申请日：2024-10-21

Applicant: 东北大学

Inventor： 张天 ,  马连博 ,  李楠

IPC: G06F40/295 ,  G16H10/60 ,  G16H50/70 ,  G06N3/006 ,  G06N3/126

Abstract: 本发明提供一种基于粒子群优化的大模型提示设计的病历信息抽取方法，涉及医疗信息处理技术领域。利用粒子群优化算法，在少量初始提示的基础上，通过进化操作自动生成和优化新的候选提示，通过大语言模型逐字生成连贯的文本，无需进行模型训练即可实现提示的创建和优化，通过粒子群优化算法和大语言模型的结合，减少了对专家知识的依赖，只需提供初始提示，系统即可通过进化算法不断优化提示，从而降低了人工成本和复杂性。本发明提供了一种高效、自动化的医疗信息抽取解决方案，通过减少人工干预和领域知识依赖，提高了大语言模型的设计提示的质量，并保证信息抽取的效率和准确性，具有广泛的应用前景和实际价值。

公开(公告)号：CN114282537B

公开(公告)日：2024-10-22

申请号：CN202111609226.8

申请日：2021-12-27

Applicant: 东北大学

Inventor： 马连博 ,  任慧敏 ,  王兴伟 ,  黄敏

IPC: G06F40/289 ,  G06F16/28 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/08

Abstract: 本发明公开一种面向社交文本的级联直线型实体关系抽取方法，采取级联直线型的提取方式，即方法首先检测给定文本中所包含的关系，然后将每个关系视为额外的知识来指导后续的头实体及尾实体的提取过程。本发明的方法还设计了两个解码器，分别是关系解码器和实体解码器，联合使用这两个解码器来提取实体关系三元组。通过本发明的方法不仅可以提高实体对(头实体，尾实体)提取的准确性以及联合提取的性能，还能通过关系优先的级联提取方法自然地解决重叠问题，进而能够为构建知识图谱提供更精准的前提。

公开(公告)号：CN114398895B

公开(公告)日：2024-09-27

申请号：CN202111609942.6

申请日：2021-12-27

Applicant: 东北大学

Inventor： 马连博 ,  缪立杰 ,  王兴伟 ,  黄敏

IPC: G06F40/295 ,  G06N5/022 ,  G06N5/04

Abstract: 本发明公开一种基于多跳知识推理的信息检索方法及系统。方法通过检索库中的信息构造知识图谱，并在进行信息检索的过程中，利用知识图谱推理检索结果。借助知识图谱来弥补传统信息检索方法对于检索库中数据信息挖掘不充分的问题。借助多跳知识推理能够提供预测依据的性质，在利用现有检索库中的信息推理出结果的同时，还能为用户提供检索结果的依据和来源。针对上述方法设计的系统包括检索库信息处理模块、信息检索模块、知识图谱学习模块和交互界面。本发明的方法和系统更加充分的对检索库中的信息进行了检索，检索内容可靠，并提供了检索依据。

公开(公告)号：CN116825384A

公开(公告)日：2023-09-29

申请号：CN202310772479.X

申请日：2023-06-28

Applicant: 东北大学

Inventor： 何强 ,  赵欣怡 ,  乔伟 ,  张莉 ,  王兴伟 ,  马连博 ,  滕月阳

IPC: G16H70/40 ,  G16H20/10 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于异构图卷积神经网络预测协同药物组合方法，涉及药物研发技术领域。该方法首先根据疾病药物历史作用数据，构建基于药物、药物组合、疾病的三部图；然后构建基于异构图卷积神经网络的协同药物组合预测模型：对于构建的三部图上的疾病、药物和药物组合节点，应用一个热编码来对三个邻接矩阵进行编码，并分别压缩为密集实值向量，构建异质图；在疾病和药物之间以及疾病和药物组合之间构建传播层进行层次传播，实现在三部图上进行药物层次的传播和药物组合层次的传播；最后构建完全连接层进行协同药物组合的预测；同时，采用困难负样本训练协同药物组合预测模型；最后使用训练好的协同药物组合预测模型进行协同药物组合预测。

公开(公告)号：CN113419854B

公开(公告)日：2023-09-22

申请号：CN202110698428.8

申请日：2021-06-23

Applicant: 东北大学

Inventor： 马连博 ,  王若宇 ,  王兴伟 ,  黄敏

IPC: G06F9/50 ,  G06N3/006

Abstract: 本发明提供一种面向不平衡多目标优化的云资源调度方法，涉及云计算技术领域。该方法首先统计云计算中心中可用的物理机数和需处理的任务数，并估算每台物理机处理各个任务所需要花费的时间；设定调度方案为每个任务仅由一台物理机处理，将每种调度方案用调度矩阵来表示，矩阵中每个元素的取值为1或0；根据所有物理机处理任务花费的时间及调度方案，将云资源调度问题转化为三个目标函数和一个约束函数；采用多目标进化算法对云资源调度问题进行求解，得到当前云资源调度问题的参考解决方案。该方法能够解决云资源调度中不平衡问题，给决策者更好地提供一组解决方案，使决策者能够得到更适合于当前物理机情况和任务情况的解决方案。

公开(公告)号：CN113596138B

公开(公告)日：2022-06-21

申请号：CN202110843043.6

申请日：2021-07-26

Applicant: 东北大学

Inventor： 马连博 ,  周萍 ,  王兴伟 ,  黄敏

IPC: H04L67/568 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度强化学习的异构信息中心网络缓存分配方法，涉及网络缓存空间分配技术领域。具体为：将异构ICN抽象为拓扑模型；对异构ICN中动态变化的内容请求进行定义；将异构ICN的缓存空间分配问题转换为网络性能优化问题，构建网络性能优化模型，包括优化目标函数和相应的约束；对每一次内容请求应用Q学习算法，获得每个时刻的内容请求对应的网络性能最优的缓存分配方案：步将深度神经网络与Q学习算法进行接合，利用Q学习算法求解的每个时刻的内容请求对应的网络性能最优的缓存分配方案，训练出适应异构ICN动态变化的内容请求的最优缓存分配方案。可以自适应地求解出网络性能最优的缓存分配方案，更能适应动态变化的网络请求。

公开(公告)号：CN113449038A

公开(公告)日：2021-09-28

申请号：CN202110727782.9

申请日：2021-06-29

Applicant: 东北大学

Inventor： 马连博 ,  孙鹏 ,  缪立杰 ,  王兴伟 ,  黄敏

IPC: G06F16/27 ,  G06F16/28 ,  G06F16/33 ,  G06F16/332 ,  G06F16/36 ,  G06N5/04

Abstract: 本发明提供一种基于自编码器的矿山智能问答系统及方法，涉及矿山智能问答技术领域。本系统包括矿山数据处理模块，知识图谱表示学习模块，智能问答应用模块；通过对矿山工程实施过程中获得的多源、异构且非结构文本数据较多的信息进行整理和学习，深入挖掘数据之间的内在联系，从而构建出融合了多方信息的知识图谱。通过本发明可以高效的利用原本难以发挥价值的矿山数据。用户可以通过此应用通过提出自然语言问题的形式，快速获取矿山的相关知识。

公开(公告)号：CN112084347A

公开(公告)日：2020-12-15

申请号：CN202010965798.9

申请日：2020-09-15

Applicant: 东北大学

Inventor： 马连博 ,  孙鹏

IPC: G06F16/36 ,  G06F16/33 ,  G06F16/2458 ,  G06F9/451 ,  G06F40/151

Abstract: 本发明公开一种基于知识表示学习的数据检索方法及系统，其方法包括:整理检索信息库；将结构化文件文档中的内容整理成为知识图谱的知识库的形式；生成所有的实体和关系最终向量表示，并更新知识库文件中实体向量文档、关系向量文档和参数列表文档；处理待检索内容，在知识库文件中检索，得到整理后的知识库中的信息及预测信息；其系统包括：统交互界面、信息处理模块、知识图谱的表示学习模块、检索信息模块；所述知识图谱的表示学习模块包括：实体关系嵌入单元、三元组嵌入单元、知识图谱预测单元；实现对于原有信息库的扩展，解决现有技术在已有信息检索过程中无法针对数据库中已有的数据进行推理和预测的问题。

公开(公告)号：CN119090880B

公开(公告)日：2025-02-11

申请号：CN202411573157.3

申请日：2024-11-06

Applicant: 东北大学

Inventor： 马连博 ,  康海东 ,  陈朋骏

IPC: G06T7/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于动态正则熵可微分架构搜索的工业缺陷图像检测方法，涉及图像分析技术领域。获取待检测分类的工业图像数据并构建工业图像数据集，划分训练集和验证集；构建用于搜索架构的可微分搜索超网模型，初始化网络权重ω和架构参数α，及计算损失函数和梯度更新用的损失模型和优化器；进行多轮次训练，每轮次的各批量中分别使用训练集、验证集计算损失并更新ω、α；训练完后，将α离散化，得到最后搜索的神经网络架构，并在整个数据集上对该架构进行重训练，将其作为检测工业图像中异常缺陷的分类模型，输入待检测分类的实际工业图像，得到缺陷检测结果。本发明方法能在长时间搜索下不出现性能坍塌，能搜索出检测性能优良的架构。

公开(公告)号：CN116611504A

公开(公告)日：2023-08-18

申请号：CN202310453530.0

申请日：2023-04-25

Applicant: 东北大学

Inventor： 马连博 ,  安晓洁 ,  李楠

IPC: G06N3/126 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/048

Abstract: 本发明提供一种基于进化的神经架构搜索方法，首先定义神经网络架构的搜索空间并进行编码，其次根据训练实例和实例对应的标签构建训练数据集，构建列表排序预测器，利用构建的训练数据集进行训练，最后利用进化算法搜索最佳架构。本发明使用列表排序预测器来对架构的性能进行评估，用列表排序模型代替线性回归来构建性能预测器。预测器是预测每个候选体系结构在总体中的顺序，而不是预测体系结构的精确精度值。根据排名信息，可以快速识别出优秀的架构，并选择进入下一轮，并且本发明中的排序预测器不需要大量原始的训练有素的架构样本，这大大降低了计算成本。