公开(公告)号：CN113239240A

公开(公告)日：2021-08-10

申请号：CN202110277753.7

申请日：2021-03-15

Applicant: 北京大学 ,  青岛国新健康产业科技有限公司

Inventor： 刘学洋 ,  刘英杰 ,  张文默 ,  舒正 ,  胡文蕙

IPC: G06F16/901 ,  G06Q40/08 ,  G06Q50/00

Abstract: 本发明提供一种医保违规对象发现方法及装置，其方法包括：基于第一目标时段目标区域内医保参保人购买药品的交易数据，构建若干个关系图，并将至少一个所述关系图作为目标关系图；基于社区发现算法，对所述目标关系图进行社区发现，确定医保违规对象；其中，所述关系图中的结点表示医保参保人，所述关系图中的边表示所述边连接的两个结点所表示的医保参保人购买药品的交易之间的关系。本发明提供的医保违规对象发现方法及装置，通过获取目标关系图后，对目标关系图进行社区发现，确定医保违规对象，能更准确的发现医保违规对象，发现医保违规对象的过程简单，投入成本较低。

公开(公告)号：CN111666761A

公开(公告)日：2020-09-15

申请号：CN202010404188.1

申请日：2020-05-13

Applicant: 北京大学

Inventor： 张世琨 ,  马路遥 ,  叶蔚 ,  刘学洋 ,  胡文蕙

IPC: G06F40/289 ,  G06F40/211 ,  G06N20/00

Abstract: 本发明实施例提供一种细粒度情感分析模型训练方法及装置，所述方法包括：获取带有情感标记以及方面词的文本信息；对文本信息中的每条语句进行分词处理，获取每条语句中每个词的上下文词向量，根据每个词的上下文词向量以及方面词的词向量得到文本信息中每条语句对应的语句向量；根据每条语句对应的语句向量获取每条语句的上下文语句向量，并获取每条语句基于方面词的语句权重，根据上下文语句向量与语句权重得到文本信息的文本向量；将文本向量、情感标记、以及方面词输入到循环神经网络，训练得到神经网络模型。采用本方法能够对文本数据的细粒度的各种方面情感类型进行识别，进而也提高了情感识别的准确率。

公开(公告)号：CN111666734A

公开(公告)日：2020-09-15

申请号：CN202010334370.4

申请日：2020-04-24

Applicant: 北京大学

Inventor： 叶蔚 ,  张世琨 ,  盛中昊 ,  刘学洋 ,  胡文蕙

IPC: G06F40/117 ,  G06F40/289 ,  G06F40/205 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明实施例提供一种序列标注方法及装置。其中，方法包括：获取待分析的句子；将待分析的句子输入至序列标注模型，输出句子的分词结果及每个词的标注结果；其中，序列标注模型是基于样本句子及样本句子对应的分词和标注数据进行基于强化学习的训练获得的。本发明实施例提供的序列标注方法及装置，通过强化学习技术隐式地学习文本的分词信息，能缓解中文序列标注中分词与目标的不匹配。