-
公开(公告)号：CN113643791A
公开(公告)日：2021-11-12
申请号：CN202110876037.0
申请日：2021-07-30
Applicant: 海南大学
Abstract: 本发明提供意图体系驱动的患者个性化治疗方案评估方法，通过明确患者的主要意图建立起与其相关的相关意图体系树，并且将相关意图体系树内的相关意图看作所需的各项指标；明确各项指标的规定，确定患者的对照资源与各项指标规定相比的偏离程度计算方法，并根据偏离程度进行排序，得到相同人群在不同指标下的排序，如果排序越靠前则其偏离指标的程度越小，如果排序越靠后则其偏离指标的程度越大；确定各项指标对主要意图的支撑程度，并且计算出确定各项指标在支撑主要意图时的比例；计算不同患者的具体资源对主要意图的支撑程度，并且根据将支撑程度将对同患者进行从小到大的排序，如果排序靠前则表示越符合主要意图。该方法可以快速确定治疗方案。
-
公开(公告)号：CN113628753A
公开(公告)日：2021-11-09
申请号：CN202110907780.8
申请日：2021-08-09
Applicant: 海南大学
Abstract: 本发明提供一种面向意图计算与推理的DIKW资源分析方法及系统，获取预先设置的与接收到的判定请求中的目标意图相关的多项指标项、每项指标项对应的指标规定，以及每项指标项相对于目标意图的支撑比例；获取目标用户在每项指标项上的对照资源，多个对照用户在每项指标项上的对照资源；针对每项指标项，基于计算的目标用户在指标项上的偏移数据，以及每个对照用户在指标项上的偏移数据，对目标用户和各个对照用户进行排序；根据目标用户在每项指标项下的排序序号以及每项指标项对应的支撑比例，计算目标用户对目标意图的支撑度；若用户对目标意图的支撑度满足预设条件，则判定目标用户满足目标意图。本发明，能够提高用户判定的准确性。
-
公开(公告)号：CN112000854B
公开(公告)日：2021-10-01
申请号：CN202010856960.3
申请日：2020-08-24
IPC: G06F16/903 , G06F16/9535
Abstract: 本发明实施例公开了一种面向本质计算与推理融合的跨模态的推荐方法与装置以及介质，利用预先存储的资源信息库，对获取的目标任务构建数据图谱、信息谱图和知识图谱；将获取的用户资源信息与数据图谱、信息谱图以及知识图谱进行匹配，确定出差异资源。根据预先建立的资源融合代价库，计算差异资源进行资源点转化的转化代价值。按照每种资源类型所对应的访问代价值以及访问次数，计算各转化资源组所对应的访问代价值；将各转化资源组各自对应的访问代价值和转化代价值之和作为各转化资源组最终的代价值，选取代价值最小的转化资源组作为推荐资源。通过对差异资源的动态调整并结合用户对资源的访问代价值，有效的提升了资源推荐的效果。
-
公开(公告)号：CN112949321A
公开(公告)日：2021-06-11
申请号：CN202110430285.2
申请日：2021-04-21
Applicant: 海南大学
IPC: G06F40/30 , G06F40/211 , G06F40/284 , G06F40/289
Abstract: 本申请公开了一种面向意图计算与推理的DIKW模型构建方法及装置，其中，所述方法包括：获取类型化资源；其中，所述类型化资源包括数据资源、信息资源、知识资源、目的资源；构建每种类型的所述类型化资源对应的图谱；分别基于每种类型的所述类型化资源对应的图谱、各个所述类型化资源间的亲子包含关系和/或逻辑关系，构建每种类型的所述类型化资源对应的模型；其中，所述亲子包含关系指代两个所述类型化资源间在语义上的包含关系；所述逻辑关系指代同一层级的两个所述类型化资源之间所表达的语义与两者的同一上层的所述类型化资源所表达的语义的关系；所述类型化资源之间的所述亲子关系以及所述逻辑关系在模型中，通过对应的节点间的不同连线表示。
-
公开(公告)号：CN112309521A
公开(公告)日：2021-02-02
申请号：CN202011199039.2
申请日：2020-10-31
Applicant: 海南大学
Abstract: 本发明提供一种面向本质计算的跨模态用户医疗数据分析方法，包括以下步骤：S1、获取目标用户的识别类型资源，基于用户的识别类型资源向数据库查询并获取目标用户的隐私医疗数据，所述数据库包括本地数据库和外部数据库；S2、基于DIKW图谱对目标用户的隐私医疗数据进行建模，获取初始类型资源；S3、通过对初始类型资源进行同模态或跨模态融合操作，获取目标类型资源；S4、基于目标类型资源对目标用户健康状况进行分析评估。本发明一方面可以基于患者已有的医疗数据进行健康评估从而为医生的诊治工作提供支撑，并为患者避免不必要的重复检查，另一方面可以起到保护患者医疗数据隐私的作用。
-
Patent Agency Ranking
公开(公告)号：CN112000854A
公开(公告)日：2020-11-27
申请号：CN202010856960.3
申请日：2020-08-24
IPC: G06F16/903 , G06F16/9535
Abstract: 本发明实施例公开了一种面向本质计算与推理融合的跨模态的推荐方法与装置以及介质，利用预先存储的资源信息库，对获取的目标任务构建数据图谱、信息谱图和知识图谱；将获取的用户资源信息与数据图谱、信息谱图以及知识图谱进行匹配，确定出差异资源。根据预先建立的资源融合代价库，计算差异资源进行资源点转化的转化代价值。按照每种资源类型所对应的访问代价值以及访问次数，计算各转化资源组所对应的访问代价值；将各转化资源组各自对应的访问代价值和转化代价值之和作为各转化资源组最终的代价值，选取代价值最小的转化资源组作为推荐资源。通过对差异资源的动态调整并结合用户对资源的访问代价值，有效的提升了资源推荐的效果。
-
公开(公告)号：CN112418428B
公开(公告)日：2022-04-01
申请号：CN202011387490.7
申请日：2020-12-01
Applicant: 海南大学
IPC: G06N5/04 , G06N5/02 , G06K9/62 , G06F16/2458
Abstract: 本发明公开了一种基于本质计算的跨模态特征挖掘方法、装置、设备及可读存储介质，该方法包括：获取至少两种类型化资源；类型化资源包括数据资源、信息资源和知识资源；对至少两种类型化资源进行关联融合处理，得到融合结果；将融合结果确定为至少两种类型化资源对应的跨模特征，以便利用跨模特征对至少两种类型化资源进行处理。在该方法中，通过对至少两种类型化资源进行跨模态的关联处理，得到跨模特征，跨模特征是针对不同的类型化资源进行关联处理而得，相较于仅针对同模态资源进行数据挖掘，该跨模特征能够显著增加资源挖掘的特征量，且能够增加资源挖掘的可靠性，该跨模特征更有利于进一步对类型化资源进行处理。
-
公开(公告)号：CN112309521B
公开(公告)日：2021-09-10
申请号：CN202011199039.2
申请日：2020-10-31
Applicant: 海南大学
Abstract: 本发明提供一种面向本质计算的跨模态用户医疗数据分析方法，包括以下步骤：S1、获取目标用户的识别类型资源，基于用户的识别类型资源向数据库查询并获取目标用户的隐私医疗数据，所述数据库包括本地数据库和外部数据库；S2、基于DIKW图谱对目标用户的隐私医疗数据进行建模，获取初始类型资源；S3、通过对初始类型资源进行同模态或跨模态融合操作，获取目标类型资源；S4、基于目标类型资源对目标用户健康状况进行分析评估。本发明一方面可以基于患者已有的医疗数据进行健康评估从而为医生的诊治工作提供支撑，并为患者避免不必要的重复检查，另一方面可以起到保护患者医疗数据隐私的作用。
-
公开(公告)号：CN112307028A
公开(公告)日：2021-02-02
申请号：CN202011198393.3
申请日：2020-10-31
Applicant: 海南大学
IPC: G06F16/22 , G06F16/245 , G06F16/2458 , G06F16/28
Abstract: 本发明提供一种跨数据信息知识模态的面向本质计算的差分内容推荐方法，该方法包括以下步骤：S1、获取目标用户基本信息，连接存储有目标用户隐私信息的数据库；S2、根据数据库公开统计内容构造查询函数查询目标用户个人信息数据表，获取数据资源和信息资源；S3、对数据资源和信息资源进行分析获得新信息资源，根据目标用户的新信息资源匹配推送内容并向目标用户进行推送。本发明能够在隐私数据库公开数据不完全的情况下实现差分内容推送，提高推送内容的准确率。
-
公开(公告)号：CN111177571B
公开(公告)日：2020-11-27
申请号：CN202010032685.3
申请日：2020-01-13
Applicant: 海南大学
IPC: G06F16/9535 , G06F16/9537
Abstract: 本发明提供一种价值驱动的多因素维度空间多介尺度融合的动态推荐系统，通过控制系统的数据采集与处理模块、统计学习模块、目的分析逻辑判断模块、推荐管理模块、设置运行模块进行对用户的目的推理，并根据用户目的进行相关步骤分析，代入用户思考代价计算公式，将结果最小的推荐方案作为最终结果进行用户推荐，融合用户目的，最小化思考代价，最大化用户舒适度体验，解决了用户往往通过花费大量时间、经历来达到目的而造成的低舒适度、效率低下等问题。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.023 seconds)
