-
公开(公告)号:CN107977368A
公开(公告)日:2018-05-01
申请号:CN201610920441.2
申请日:2016-10-21
Applicant: 京东方科技集团股份有限公司
Inventor: 张振中
Abstract: 本发明公开一种信息提取方法及系统,属于信息处理技术领域。该方法包括:根据实体种子集中的多个实体种子,从目标语料中提取多个实体候选和多个属性候选,实体种子集由属于目标类别的多个实体种子构成;根据多个实体和多个属性候选,建立实体与属性的关联关系,多个实体包括多个实体种子和多个实体候选;根据实体与属性的关联关系,分别从多个实体中确定出至少一个目标实体,从多个属性候选中确定出至少一个目标属性。本发明解决了信息提取过程存在“语义漂移”的问题,达到了避免信息提取过程存在“语义漂移”的效果。本发明用于信息提取。
-
公开(公告)号:CN107480135A
公开(公告)日:2017-12-15
申请号:CN201710642037.8
申请日:2017-07-31
Applicant: 京东方科技集团股份有限公司
Inventor: 张振中
CPC classification number: G06F17/2715 , G06F17/2785 , G06F17/30684
Abstract: 本发明实施例提供了一种数据处理方法、医学用语处理系统和医学诊疗系统,其中所述方法包括:获取用户输入的语句信息;利用预设算法将所述语句信息划分为多个信息片段,所述多个信息片段包括第一信息片段;建立各个信息片段的高斯分布;利用相似度模型计算所述第一信息片段与数据库中的词语之间的相似度;获取至少一个用于描述所述第一信息片段的第二信息片段。本发明能够提供大众用语对应的医学用语,方便用户诊疗。
-
公开(公告)号:CN107292103A
公开(公告)日:2017-10-24
申请号:CN201710467221.3
申请日:2017-06-19
Applicant: 京东方科技集团股份有限公司
IPC: G06F19/00
Abstract: 本发明提供了一种预测图像生成方法和装置。所述方法包括:获取患者的特征信息;根据所述患者的特征信息确定所述患者的病灶图像对应的病程阶段;将所述病灶图像及所述病程阶段输入预先建立的图像预测模型,生成所述患者的预测病灶图像;所述预测病灶图像为所述病程阶段的演进阶段对应的病灶图像。本发明通过在确定的患者的病灶图像对应的病程阶段之后,将病灶图像即病程阶段输入预先建立的图像预测模型,生成患者的预测病灶图像,因此,患者可以根据生成的预测病灶图像可以直观地观察自己未来的病灶演变情况。
-
公开(公告)号:CN119724370A
公开(公告)日:2025-03-28
申请号:CN202311267311.X
申请日:2023-09-27
Applicant: 京东方科技集团股份有限公司
Inventor: 张振中
IPC: G16B40/20 , G16B5/00 , G06F18/25 , G06F18/214
Abstract: 本公开是关于一种关系预测模型的训练、相互作用关系的预测方法及装置,涉及机器学习技术领域,该方法包括:根据第一历史蛋白质以及第一历史蛋白质之间的实际关联关系值,构建第一数据集;根据第一数据集对局部特征提取模型进行训练,得到第一相互作用关系预测模型,并将第二历史蛋白质输入至第一相互作用关系预测模型中,得到第一预测关联关系值;根据第二历史蛋白质以及第一预测关联关系值构建第二数据集,并根据第一数据集以及第二数据集对全局特征提取模型进行训练,得到第二相互作用关系预测模型;根据第一相互作用关系预测模型以及第二相互作用关系预测模型,构建目标关系预测模型。本公开提高了目标关系预测模型的精确度。
-
公开(公告)号:CN114550946B
公开(公告)日:2025-03-07
申请号:CN202210190188.5
申请日:2022-02-28
Applicant: 京东方科技集团股份有限公司
IPC: G16H50/70 , G06F18/22 , G06F18/214 , G06F40/30 , G06F40/295 , G06F40/242 , G06F16/36
Abstract: 本公开提供了一种医疗数据处理方法、装置及存储介质,涉及数据处理技术领域。该方法包括:获取病历数据,并执行目标过程以获得疾病分析向量,目标过程包括:生成病历数据的病历语义向量;对于预设疾病集合中的每个预设疾病,根据病例语义向量,确定病历数据因预设疾病产生的第一可能性权重,以获得第一权重向量;根据病历数据中的各病历症状和各病历疾病,从预设知识图谱中确定可能产生病历数据的候选疾病,其中,预设知识图谱中包括与预设疾病相关的实体和关系,候选疾病属于预设疾病集合;确定病历数据因候选疾病产生的第二可能性权重,以获得第二权重向量;将第一权重向量与第二权重向量融合,得到病历数据对应的疾病分析向量。
-
公开(公告)号:CN118525340A
公开(公告)日:2024-08-20
申请号:CN202280005144.9
申请日:2022-12-19
Applicant: 京东方科技集团股份有限公司
Inventor: 张振中
IPC: G16H50/80
Abstract: 本公开提供一种序列模型训练方法、感染人数预测方法、存储介质及电子设备;涉及人工智能技术领域。所述方法包括:获取目标传染病的第一特征数据,所述第一特征数据包括所述目标传染病的影响因素和感染人数;利用深度序列模型计算所述影响因素的分布、所述感染人数的分布以及与所述影响因素关联的潜在因素的分布;根据所述影响因素的分布、所述感染人数的分布和所述潜在因素的分布对所述深度序列模型进行训练,并利用训练好的深度序列模型预测该传染病在目标时间段内的感染人数。
-
公开(公告)号:CN112100576B
公开(公告)日:2024-06-14
申请号:CN202010969781.0
申请日:2020-09-15
Applicant: 京东方科技集团股份有限公司
Inventor: 张振中
IPC: G07C11/00 , G06Q10/1093 , G06F17/18
Abstract: 本公开涉及一种排队方案的确定方法、装置、电子设备及计算机可读介质,属于数据处理技术领域。该方法包括:将各待执行项目依次作为第一顺位项目,并将第一顺位项目之外的待执行项目作为其他项目,得到多个候选排队方案;对于各候选排队方案,根据第一顺位项目的当前排队人数以及单位执行时间得到第一顺位项目的完成时间;根据第一顺位项目的完成时间确定其他项目的新增排队人数;根据各其他项目的当前排队人数、新增排队人数以及单位执行时间,得到所有其他项目的完成时间;计算各候选排队方案下完成所有待执行项目的总时间,并确定目标排队方案。本公开通过考虑一定时间内新增用户的数量和排队项目,可以提供最优的排队方案,提高用户排队效率。
-
公开(公告)号:CN116543853A
公开(公告)日:2023-08-04
申请号:CN202210083440.2
申请日:2022-01-25
Applicant: 京东方科技集团股份有限公司
Inventor: 张振中
IPC: G16C20/70 , G16C20/50 , G06N3/08 , G06N3/0464
Abstract: 本发明实施例公开一种药物相互作用预测方法、计算机设备及介质。在一具体实施方式中,该方法包括:利用已训练的图神经网络,对待预测药物的分子结构进行特征映射以得到待预测药物的表示向量,其中,待预测药物包括第一药物和第二药物;利用已训练的第一网络,根据待预测药物的表示向量预测得到表征待预测药物与设定疾病种类之间关系的关系向量;以及,利用已训练的第二网络,根据第一药物和第二药物的表示向量、第一药物及第二药物与设定疾病种类之间关系的关系向量预测得到第一药物与第二药物的药物相互作用。该实施方式可在保证精确性的基础上提升覆盖度,可实现对研发中的新药物与其他药物之间的药物相互作用预测。
-
公开(公告)号:CN115985517A
公开(公告)日:2023-04-18
申请号:CN202310097681.7
申请日:2023-01-19
Applicant: 京东方科技集团股份有限公司
Inventor: 张振中
IPC: G16H50/80 , G06F18/214
Abstract: 本公开提供一种模型训练方法、感染人数预测方法、存储介质及电子设备;涉及人工智能技术领域。所述方法包括:获取目标传染病的第一特征数据,所述第一特征数据包括所述目标传染病的多个影响因素集合和感染人数;根据各所述影响因素集合和所述感染人数构建与各所述影响因素集合对应的感染人数预测模型;利用所述多个影响因素集合和所述感染人数对各所述感染人数预测模型进行训练,得到非标注数据上方差最小的各所述感染人数预测模型,并利用训练好的各所述感染人数预测模型预测该传染病在目标时间段内的感染人数。本公开可以提升感染人数预测模型的预测性能,进而提高感染人数预测的准确性。
-
公开(公告)号:CN115885279A
公开(公告)日:2023-03-31
申请号:CN202180002006.0
申请日:2021-07-27
Applicant: 京东方科技集团股份有限公司
IPC: G06F18/214 , A61B5/346 , G06N3/08
Abstract: 模型训练方法、信号识别方法、装置、计算处理设备、计算机程序及计算机可读介质。模型训练方法包括:获得训练样本集合,训练样本集合包括样本心电信号以及样本心电信号的异常标签,异常标签包括目标异常标签和至少一个相关异常标签;将样本心电信号输入多任务模型,根据多任务模型的输出以及异常标签,基于多任务学习机制对多任务模型进行训练;其中,多任务模型包括目标任务模型和至少一个相关任务模型,目标任务模型的目标输出为输入的样本心电信号的目标异常标签,相关任务模型的目标输出为输入的样本心电信号的相关异常标签;将训练后的目标任务模型确定为目标异常识别模型,目标异常识别模型用于识别输入目标异常识别模型的心电信号中的目标异常。
-
-
-
-
-
-
-
-
-