医疗规则补全方法及装置
    21.
    发明公开

    公开(公告)号:CN114647737A

    公开(公告)日:2022-06-21

    申请号:CN202210116585.8

    申请日:2022-02-07

    Abstract: 本发明提供一种医疗规则补全方法及装置,应用于知识推理领域,其中方法包括:基于临床路径文本,构建医疗规则知识图谱;基于预设医疗关系类型,对所述医疗规则知识图谱中各实体之间的潜在关系进行预测,得到多个规则预测结果;基于各规则预测结果的有效性评判结果,对所述医疗规则知识图谱进行补全;其中,所述预设医疗关系类型包括诊疗项目之间的时序关系、诊疗项目之间的互斥关系和药品配伍禁忌关系中的至少一种。本发明提供的方法及装置,实现了对医疗规则进行自动化地补全和动态更新,提高了医保审核的准确性以及效率,提高了临床路径文本的利用率。

    基于小样本的医疗数值抽取和理解方法及装置

    公开(公告)号:CN114357144A

    公开(公告)日:2022-04-15

    申请号:CN202210221233.9

    申请日:2022-03-09

    Applicant: 北京大学

    Abstract: 本发明提供一种基于小样本的医疗数值抽取和理解方法及装置,该方法包括:基于正则化表达式,对目标医疗文本进行数值抽取;基于prompt函数,获取每一数值对应的问句;将每一数值对应的问句和所述目标医疗文本输入问答模型中,得到每一数值对应的属性信息;其中,每一数值对应的属性信息为每一数值对应的问句的答案;所述问答模型,基于第一数量的其他类的第一样本文本、第一样本问句和第一样本问句对应的真实答案,以及第二数量的医疗类的第二样本文本、第二样本问句和第二样本问句对应的真实答案进行训练获取;所述第一数量大于第二数量。本发明实现在节约医疗类标注数据资源的同时,达到较好的数值抽取和属性信息抽取效果。

    基于机器学习的用户异常行为检测方法及装置

    公开(公告)号:CN114338248A

    公开(公告)日:2022-04-12

    申请号:CN202210249805.4

    申请日:2022-03-15

    Applicant: 北京大学

    Abstract: 本发明提供一种基于机器学习的用户异常行为检测方法及装置,该方法包括:获取用户的操作日志信息;将操作日志信息输入到行为检测模型中,得到行为检测模型输出的用户行为属性;其中,行为检测模型为以样本日志信息为样本,以与样本日志信息对应的用户行为属性样本数据为标签进行训练得到的;行为检测模型内部包括多种神经网络模型,每种神经网络模型基于操作日志信息输出一种参考行为属性,用户行为属性为基于多种神经网络模型的权重参数以及对应输出的参考行为属性确定的。本发明提供的基于机器学习的用户异常行为检测方法及装置,得到用户行为属性的准确率更高,能够提高对用户异常行为检测的效率,便于及时发现用户的异常行为。

    基于异构图嵌入的用户异常行为检测方法及装置

    公开(公告)号:CN114329455A

    公开(公告)日:2022-04-12

    申请号:CN202210218182.4

    申请日:2022-03-08

    Applicant: 北京大学

    Abstract: 本发明提供一种基于异构图嵌入的用户异常行为检测方法及装置,该基于异构图嵌入的用户异常行为检测方法包括:获取用户的操作日志信息;从所述操作日志信息中获取多个类别节点数据,并基于多个所述类别节点数据,确定用户异构图;基于所述用户异构图,确定嵌入映射信息;基于所述操作日志信息和所述嵌入映射信息,确定用户行为属性。本发明提供的基于异构图嵌入的用户异常行为检测方法及装置,能够根据多个从操作日志信息中得到的类别节点数据构建用户异构图,从用户异构图中确定嵌入映射信息,根据操作日志信息和嵌入映射信息,确定用户行为属性,能够提高用户异常行为检测的准确率和效率,实现对异常行为的及时检测。

    基于大模型的民政数据血缘知识图谱的构造方法、装置

    公开(公告)号:CN120032724A

    公开(公告)日:2025-05-23

    申请号:CN202510522095.1

    申请日:2025-04-24

    Applicant: 北京大学

    Abstract: 本发明涉及数据管理与知识图谱领域,提供了一种基于大模型的民政数据血缘知识图谱的构造方法、装置,该方法包括:基于民政数据的元数据特征提取构建基础实体网络;基于基础实体网络,对数据表结构解析,生成数据表结构关系模型;解析复杂结构化查询语言语句,识别字段级血缘关联,生成初步的血缘关系图谱;然后遍历所有物理源表,消除虚拟表冗余和数据节点重复,生成优化后的血缘关系图谱;基于优化后的血缘关系图谱,识别公共数据节点并合并字段级数据血缘,生成最终的民政数据血缘关系图谱。本发明解决了现有技术中难以准确解析复杂SQL语句、处理虚拟表冗余和数据节点重复问题的问题,实现了高精度、自动化的民政数据血缘知识图谱构建。

    复杂任务智能规划执行方法、装置、电子设备及存储介质

    公开(公告)号:CN119645662A

    公开(公告)日:2025-03-18

    申请号:CN202510154541.8

    申请日:2025-02-12

    Applicant: 北京大学

    Inventor: 刘学洋 胡文蕙

    Abstract: 本发明提供一种复杂任务智能规划执行方法、装置、电子设备及存储介质,涉及人工智能技术领域,其中方法包括:获取待执行任务;基于提示词,引导大语言模型基于待执行任务的任务信息,在知识图谱中进行检索,并基于检索的关系信息以及实体信息,构建执行路径;基于执行路径执行待执行任务,确定执行结果。通过历史任务执行信息中提取的实体信息以及关系信息,构建知识图谱,并将大语言模型与知识图谱相结合,在大语言模型进行任务规划的过程中,参照知识图谱中检索的实体信息以及关系信息,自动构建待处理任务的执行路径,可以高效地处理各种复杂任务。不仅提高了任务执行的自动化程度,还增强了任务执行结果的准确性和可靠性。

    一种基于图神经网络的岗位匹配方法及装置

    公开(公告)号:CN114168819B

    公开(公告)日:2022-07-12

    申请号:CN202210131722.5

    申请日:2022-02-14

    Applicant: 北京大学

    Abstract: 本发明提供一种基于图神经网络的岗位匹配方法及装置,包括:获取目标履历对应的目标任职序列;将目标任职序列输入至岗位匹配模型,获取由岗位匹配模型输出的目标任职序列与多个预设岗位的匹配程度;根据匹配程度,在多个预设岗位中确定目标履历的匹配岗位;岗位匹配模型是基于图神经网络构建的;岗位匹配模型是基于样本任职序列,以及样本任职序列对应的样本匹配岗位训练后得到的。本发明提供的基于图神经网络的岗位匹配方法及装置,利用基于图神经网络构建的岗位匹配模型根据目标任职序列,对目标履历数据对应的个体在下一次任职与每个预设岗位任职的进行匹配,使得匹配的岗位更加合理,与人员的符合度更高。

    用于医保数据的异常行为关联分析方法及系统

    公开(公告)号:CN114647738A

    公开(公告)日:2022-06-21

    申请号:CN202210116598.5

    申请日:2022-02-07

    Abstract: 本发明提供一种用于医保数据的异常行为关联分析方法及系统,该方法包括:基于医保场景知识图谱,根据目标就诊路径,确定与目标医保节点之间存在关联的多个待分析医保节点,并获取各个待分析医保节点在医保场景知识图谱中的待分析就诊路径;根据就诊次数信息,分别对目标就诊路径和各个待分析就诊路径中的子路径进行加权处理,并计算加权处理后的目标就诊路径与各个加权处理后的待分析就诊路径之间的相似度值;选取相似度值TOP‑K的待分析医保节点作为目标分析医保节点,根据目标医保节点和目标分析医保节点之间的共现就诊路径,生成对应的医保数据关联分析结果。本发明提高了医保异常病历审核效率和异常行为分析结果准确性。

    一种基于模型融合的岗位推荐方法及装置

    公开(公告)号:CN114358657A

    公开(公告)日:2022-04-15

    申请号:CN202210221387.8

    申请日:2022-03-09

    Applicant: 北京大学

    Abstract: 本发明提供一种基于模型融合的岗位推荐方法及装置,包括:将目标个体的目标任职序列输入至少一个基础预测模型,获取由各基础预测模型生成的目标评分矩阵;将所有的目标评分矩阵和目标个体的目标特征表进行拼接融合,确定目标融合特征并输入至岗位匹配模型,确定由岗位匹配模型输出的至少一个推荐岗位。本发明提供的基于模型融合的岗位推荐方法及装置,通过把特征表与两个基础预测模型生成的中间数据做融合,再将特征表输入至岗位匹配模型中,实现对目标个体下一次在每个预设岗位任职的概率进行预测,在召回率和归一化折损累计增益更高,使得预测的岗位更加准确,与人员的符合度更高。

Patent Agency Ranking