-
公开(公告)号：CN112380435B
公开(公告)日：2024-05-07
申请号：CN202011278839.3
申请日：2020-11-16
Applicant: 北京大学 , 南京博雅区块链研究院有限公司 , 北京国信云服科技有限公司
IPC: G06F16/335 , G06F16/338 , G06N3/0464 , G06N3/08
Abstract: 本发明提出的一种基于异构图神经网络的文献推荐方法，包括以下步骤：获取用户特征数据以及文献特征数据；从文献特征数据中提取文献属性数据以及文献引文数据，根据文献属性数据以及文献引文数据通过图卷积神经网络获取文献引文特征数据；根据预设元路径提取结构数据，根据结构数据构建异构信息网络，并通过自注意力机制学习网络获取结构特征数据；将源数据进行规范化处理获得样本集，将样本集划分为训练集以及测试集，将训练集以及测试集输入至推荐模型中对推荐模型进行训练并获取推荐结果。通过图卷积神经网络和图注意力网络挖掘用户的结构特征数据及文献的结构特征数据，对用户进行多元化的兴趣表示，实现对用户进行个性化的推荐的目的。
-
公开(公告)号：CN112201342B
公开(公告)日：2024-04-26
申请号：CN202011030487.X
申请日：2020-09-27
Applicant: 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司 , 北京大学
Abstract: 本发明提供了一种基于联邦学习的医疗辅助诊断方法、装置、设备及存储介质，方法包括：获取带有诊断结果标签的病患诊断数据并将病患诊断数据划分为基模型训练集和基模型测试集；基于基模型训练集参与至联邦学习中以获得至少两种基模型；使用基模型测试集对各基模型进行测试；将各基模型生成的预测结果融入至基模型训练集中以获得集成模型训练集；将各基模型生成的预测结果融入至基模型测试集中以获得集成模型测试集；基于集成模型训练集参与至联邦学习中以获得集成模型；使用集成模型测试集对集成模型进行测试。本发明的基于联邦学习的医疗辅助诊断方法基于联邦学习和多模型融合的训练策略完成模型训练，其显著地提升了诊断模型的辅助诊断效果。
-
公开(公告)号：CN113220996A
公开(公告)日：2021-08-06
申请号：CN202110508376.3
申请日：2021-05-10
Applicant: 北京大学
IPC: G06F16/9535 , G06F16/36 , G06F16/951 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于知识图谱的科技服务推荐方法、装置、设备及存储介质，其中的科技服务推荐方法包括：获取流程文档及各流程环节的需求文档；获取各流程环节的需求文档的初始关键词；爬取到各流程环节的初始科技服务文档；抽取出初始科技服务文档所涉及的初始命名实体；对初始关键词进行扩充得到各流程环节的需求文档的扩充关键词；基于扩充关键词获得各流程环节的最终科技服务文档；抽取出最终科技服务文档所涉及的扩充命名实体；抽取出各扩充命名实体之间的关系；形成知识图谱；基于知识图谱实施科技服务推荐。本发明针对科各流程环节的不同需求分别爬取科技服务文档，并构建知识图谱，从而实现对科技服务需求对象各流程环节的针对性推荐。
-
公开(公告)号：CN112199512A
公开(公告)日：2021-01-08
申请号：CN202011099915.4
申请日：2020-10-15
Applicant: 北京大学 , 南京博雅区块链研究院有限公司 , 北京国信云服科技有限公司
IPC: G06F16/36 , G06F16/335 , G06F16/901 , G06F40/211 , G06F40/216 , G06F40/253 , G06F40/284 , G06F40/289
Abstract: 本发明提供了一种面向科技服务的事理图谱构建方法、装置、设备及存储介质，其中的事理图谱构建方法包括：获取科技服务需求文本；对科技服务需求文本进行预处理；对科技服务需求文本进行事件抽取；对科技服务需求文件进行事件关系抽取；基于抽取出的需求事件和需求事件之间的逻辑关系建立事理图谱，事理图谱为有向有环图，其中的节点代表需求事件，有向边代表需求事件之间的逻辑关系；计算出各有向边连接的两个需求事件之间的演化概率，并将演化概率作为权重值添加至有向边上。通过构建面向科技服务的事理图谱，本发明能够快速匹配到与用户需求直接相关的需求事件以及与用户需求之间联系最为紧密的其他需求事件，从而对客户需求实现更有效的感知。
-
公开(公告)号：CN112000783A
公开(公告)日：2020-11-27
申请号：CN202010769613.7
申请日：2020-08-03
Applicant: 北京大学 , 南京博雅区块链研究院有限公司 , 北京国信云服科技有限公司
IPC: G06F16/332
Abstract: 本发明提供了一种基于文本相似性分析的专利推荐方法、装置、设备及存储介质，专利推荐方法包括：获取目标文本的目标关键词，目标关键词包括主体关键词及描述性关键词；以主体关键词和所有的描述性关键词作为检索词获得基础相似文本集；以主体关键词和各描述性关键词作为检索词获得扩展相似文本集；遍历扩展相似文本集，针对每个扩展相似文本，基于该扩展相似文本的文本特征词和该扩展相似文本对应的检索词计算该扩展相似文本与基础相似文本集中的基础相似文本之间的相似度，当该扩展相似文本与基础相似文本集中的任一基础相似文本之间的相似度高于预定阈值时，将该扩展相似文本移入至基础相似文本集。本发明能够提升相似文本的查全率，降低漏检率。
-
Patent Agency Ranking
公开(公告)号：CN112199735B
公开(公告)日：2024-04-26
申请号：CN202011022370.7
申请日：2020-09-25
Applicant: 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司 , 北京大学
IPC: G06F21/64 , G06Q20/38 , G06Q20/12 , G06Q30/0601
Abstract: 本发明提出的一种基于区块链的垂直电商交易平台，包括数据存储层、智能合约服务层、业务逻辑层以及应用层；数据存储层包括区块链系统，数据存储层基于区块链系统用于垂直电商交易平台数据的存储；智能合约服务层用于创建智能合约、存储智能合约、运行智能合约以及对接数据存储层与业务逻辑层；业务逻辑层包括业务逻辑模块以及工作流引擎模块，工作流引擎模块基于业务逻辑模块实现工作流的按序进行；应用层为面向终端用户可视化平台端口。上述基于区块链的垂直电商交易平台，规范化业务逻辑，实现垂直电商交易平台交易、回款等流程的上链存证和自动化执行，提高了流程管理效率，解决了业务流程复杂，跨多系统，效率低且易出错的问题。
-
公开(公告)号：CN112199512B
公开(公告)日：2022-12-06
申请号：CN202011099915.4
申请日：2020-10-15
Applicant: 北京大学 , 南京博雅区块链研究院有限公司 , 北京国信云服科技有限公司
IPC: G06F16/36 , G06F16/335 , G06F16/901 , G06F40/211 , G06F40/216 , G06F40/253 , G06F40/284 , G06F40/289
Abstract: 本发明提供了一种面向科技服务的事理图谱构建方法、装置、设备及存储介质，其中的事理图谱构建方法包括：获取科技服务需求文本；对科技服务需求文本进行预处理；对科技服务需求文本进行事件抽取；对科技服务需求文件进行事件关系抽取；基于抽取出的需求事件和需求事件之间的逻辑关系建立事理图谱，事理图谱为有向有环图，其中的节点代表需求事件，有向边代表需求事件之间的逻辑关系；计算出各有向边连接的两个需求事件之间的演化概率，并将演化概率作为权重值添加至有向边上。通过构建面向科技服务的事理图谱，本发明能够快速匹配到与用户需求直接相关的需求事件以及与用户需求之间联系最为紧密的其他需求事件，从而对客户需求实现更有效的感知。
-
公开(公告)号：CN112396160A
公开(公告)日：2021-02-23
申请号：CN202011203297.3
申请日：2020-11-02
Applicant: 北京大学 , 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司
Abstract: 本发明提出的一种基于图神经网络的交易欺诈检测方法及系统，包括以下步骤：交易数据预处理步骤，获取交易数据并对交易数据进行预处理，获得面板形式的交易样本集；交易行为历史特征提取步骤，对交易样本集进行长短期记忆网络处理，获得交易行为历史特征；交易行为聚合特征提取步骤，对交易历史行为特征进行图卷积网络处理，获得交易行为聚合特征；预测步骤，将交易行为历史特征以及交易行为聚合特征进行全连接层处理，通过二分类进行交易节点的欺诈预测。克服了传统的交易欺诈检测方法忽略数据之间本身就存在的联系以及交易行为是时间序列数据的缺陷，确保了交易欺诈检测的全面性，并且提高了交易欺诈检测的精确性。
-
公开(公告)号：CN112215696A
公开(公告)日：2021-01-12
申请号：CN202011039030.5
申请日：2020-09-28
Applicant: 北京大学 , 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司
Abstract: 本发明提供了一种基于时序归因分析的个人信用评估与解释方法、装置、设备及存储介质，其中的方法包括：构建信用评分模型；利用若干组带有时间标签的历史征信数据集对信用评分模型进行分别训练以获得若干历史信用评分模型；根据信用评分模型的类别，基于若干带有时间标签的历史信用评分模型或若干组带有时间标签的历史征信数据集预测到若干未来信用评分模型；将待评估征信数据输入至选定的历史信用评分模型或未来信用评分模型中，以获得待评估征信数据对应的征信主体的征信评估结果；对征信评估结果进行解释。本发明针对多个历史时间点及多个未来时间点构建出一系列信用评分模型，选择合适的信用评分模型即能够实现对征信主体在特定时间点的信用评估，并对评估结果做出具有参考价值的解释，从而指导改进个人信用得分。
-
公开(公告)号：CN112201342A
公开(公告)日：2021-01-08
申请号：CN202011030487.X
申请日：2020-09-27
Applicant: 博雅正链(北京)科技有限公司 , 南京博雅区块链研究院有限公司 , 北京大学
Abstract: 本发明提供了一种基于联邦学习的医疗辅助诊断方法、装置、设备及存储介质，方法包括：获取带有诊断结果标签的病患诊断数据并将病患诊断数据划分为基模型训练集和基模型测试集；基于基模型训练集参与至联邦学习中以获得至少两种基模型；使用基模型测试集对各基模型进行测试；将各基模型生成的预测结果融入至基模型训练集中以获得集成模型训练集；将各基模型生成的预测结果融入至基模型测试集中以获得集成模型测试集；基于集成模型训练集参与至联邦学习中以获得集成模型；使用集成模型测试集对集成模型进行测试。本发明的基于联邦学习的医疗辅助诊断方法基于联邦学习和多模型融合的训练策略完成模型训练，其显著地提升了诊断模型的辅助诊断效果。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.041 seconds)
