公开(公告)号：CN113807090A

公开(公告)日：2021-12-17

申请号：CN202110915839.8

申请日：2021-08-10

Applicant: 三峡大学

Inventor： 余肖生 ,  沈胜 ,  张合欢

IPC: G06F40/289 ,  G06F40/284 ,  G06F40/216 ,  G06F40/30 ,  G16H10/60

Abstract: 本发明公开了一种基于词义加权TF‑IDF疾病表征词提取方法，包括以下步骤：(1)数据预处理；(2)结合电子病历特点，构建本地任务词库；(3)计算文本词义特征加权权重值；(4)统计词频，计算逆文档频率，形成TF‑IDF计算模型，并将词义权重引入模型；(5)模型运行，获取疾病表征词。该基于词义加权TF‑IDF疾病表征词提取方法与传统的TF‑IDF模型相比，本发明提出的技术方案引入了词义加权以提升关键语义信息词的“重要性”，通过词义加权的方式对文本的词频信息进行扰动，提高了模型对电子病历文本中疾病表征词的提取性能。

公开(公告)号：CN119227680A

公开(公告)日：2024-12-31

申请号：CN202411167898.1

申请日：2024-08-23

Applicant: 三峡大学

Inventor： 张云涛 ,  余肖生 ,  黄莺

IPC: G06F40/284 ,  G06F40/295 ,  G06N3/0455 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/084

Abstract: 一种用于中文电子病历联合抽取的模型，该模型包括编码层encoder、双向实体对抽取层BiEPE、关系抽取层RE；其中编码层encoder的输入用于输入语句，编码层encoder的输出端与双向实体对抽取层BiEPE的输入端相连接，双向实体对抽取层BiEPE的输出端与关系抽取层RE的输入端相连接，关系抽取层RE的输出端输出关系三元组。本模型与传统的联合抽取模型相比，本模型提出的技术方案引入了Global context mechanism帮助模型获取更详细的文本信息，通过添加词性信息使模型能够获取更深层次的语义，提高了模型对中文电子病历中关系抽取的性能。

公开(公告)号：CN115643008B

公开(公告)日：2024-12-06

申请号：CN202211213014.2

申请日：2022-09-30

Applicant: 三峡大学

Inventor： 秦伟杰 ,  陈鹏 ,  余肖生

IPC: H04L9/08

Abstract: 一种基于划分聚类的PBFT算法，它包括以下步骤：步骤1：采集区块链集群中所有节点的数据，数据包括节点的在共识过程中的响应速度、响应次数比例；步骤2：将节点的响应速度以及响应次数比例作为二维坐标系的两个数据维度，绘制得到节点响应情况分布图；步骤3：输入K‑means++划分聚类算法模型，通过节点的响应情况将集群内所有节点进行聚类划分；步骤4：将划分后的节点分为3种节点簇，分别为Good节点簇、Normal节点簇以及Bad节点簇；步骤5：划分后的三类节点分别参与到PBFT算法的不同共识阶段中，最后共同完成整个共识过程。本发明的目的是为了解决现有的PBFT算法会由于繁杂的通讯过程产生大量的通信开销，从而导致算法的性能大幅下降的技术问题。

公开(公告)号：CN119006844A

公开(公告)日：2024-11-22

申请号：CN202411153007.7

申请日：2024-08-21

Applicant: 三峡大学

Inventor： 陈世洁 ,  范李平 ,  余肖生 ,  王东娟

IPC: G06V10/44 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 一种融合上下文感知和背景探索的伪装目标检测网络，该网络包括多尺度特征提取模块Swin‑Transformer、注意力联级上下文感知模块AHCM、全连接解码器模块FCD、融合注意力机制的背景探索模块BEM；多尺度特征提取模块Swin‑Transformer的输出连接注意力联级上下文感知模块AHCM的输入，注意力联级上下文感知模块AHCM的输出连接全连接解码器模块FCD、以及融合注意力机制的背景探索模块BEM的输入，全连接解码器模块FCD的输出连接融合注意力机制的背景探索模块BEM的输入，融合注意力机制的背景探索模块BEM的输出用于输出最终预测。

公开(公告)号：CN113807090B

公开(公告)日：2024-04-30

申请号：CN202110915839.8

申请日：2021-08-10

Applicant: 三峡大学

Inventor： 余肖生 ,  沈胜 ,  张合欢

IPC: G06F40/289 ,  G06F40/284 ,  G06F40/216 ,  G06F40/30 ,  G16H10/60

Abstract: 本发明公开了一种基于词义加权TF‑IDF疾病表征词提取方法，包括以下步骤：(1)数据预处理；(2)结合电子病历特点，构建本地任务词库；(3)计算文本词义特征加权权重值；(4)统计词频，计算逆文档频率，形成TF‑IDF计算模型，并将词义权重引入模型；(5)模型运行，获取疾病表征词。该基于词义加权TF‑IDF疾病表征词提取方法与传统的TF‑IDF模型相比，本发明提出的技术方案引入了词义加权以提升关键语义信息词的“重要性”，通过词义加权的方式对文本的词频信息进行扰动，提高了模型对电子病历文本中疾病表征词的提取性能。

公开(公告)号：CN113807171B

公开(公告)日：2023-09-29

申请号：CN202110914634.8

申请日：2021-08-10

Applicant: 三峡大学

Inventor： 余肖生 ,  张合欢 ,  沈胜

IPC: G06F18/241 ,  G06F18/214 ,  G06N3/0895 ,  G06N3/096

Abstract: 本发明公开了一种基于半监督迁移学习的文本分类方法，包括以下步骤：(1)数据集和数据预处理，获取少量标记数据集和大量未标记数据集，进行清洗和去噪操作，然后通过word2vec方法将数据集样本向量化，向量维度选取100；(2)数据增强，对未标记数据中的每个样本进行K次文本增强，增强方式为反译方式；(3)伪标签预判，将标记样本输入到预训练模型Bert中，采用微调的方法进行模型迁移；(4)样本混合；(5)文本分类，经过训练后得到的最好模型，可用来对测试集中的数据进行文本分类预测。该基于半监督迁移学习的文本分类方法结合半监督学习、迁移学习用于解决在文本分类领域中标注数据难以获取的问题，同时能够提高文本分类模型的性能。

公开(公告)号：CN113626876A

公开(公告)日：2021-11-09

申请号：CN202110831392.6

申请日：2021-07-22

Applicant: 三峡大学

Inventor： 蔡政英 ,  黄艺杰 ,  刘震 ,  陈鹏 ,  余肖生

IPC: G06F21/64 ,  G06Q50/06

Abstract: 一种基于电网区块链的共识方法，包括以下步骤：步骤1，电网节点广播电力交易订单；步骤2，候选区块封装电力交易订单；步骤3，候选区块提交电量证明；步骤4，候选区块电力交易记账；步骤5，电网节点共识验证；步骤6，电网区块链添加电网区块。本发明能够为电网区块链提供一种安全、可靠的共识机制。