-
Patent Agency Ranking
公开(公告)号：CN113570455A
公开(公告)日：2021-10-29
申请号：CN202010357317.6
申请日：2020-04-29
Applicant: 中南大学
Abstract: 本发明涉及一种股票推荐方法，包括：对目标股票组的历史股票信息进行股票画像特征提取，获得每一支股票的历史画像；根据每一支股票的历史画像和历史收益率，获得目标股票组的选股目标特征矩阵；根据每一支股票的历史画像和选股目标特征矩阵，对预先存储的深度文本匹配模型进行预训练，选择出目标模型；根据每一支股票的历史画像和选股目标特征矩阵训练目标模型；获取预测时间和待推荐股票组的历史股票信息，并将其输入目标模型，获得在预测时间待推荐股票组基于选股目标特征的排序结果。能够在预测基于股票收益率的排序应用中，表现出很高的应用价值和稳健性。此外，本发明还提供股票推荐装置、计算机设备和计算机可读存储介质。
-
公开(公告)号：CN117976040A
公开(公告)日：2024-05-03
申请号：CN202311583966.8
申请日：2023-11-24
Applicant: 中南大学
Abstract: 本发明公开了一种变异致病性注释方法、预测变异效应图谱构建方法及系统，其中，本发明技术方案从短序列变异出发，基于“建立遗传变异‑蛋白编码基因映射关联、构建遗传变异深度表示框架、有监督图卷积神经网络GCNs计算建模、构建全基因组范围蛋白编码基因组预测变异效应图谱AVEIS”四个核心步骤，实现全基因组范围内蛋白编码基因及对应元件遗传变异的致病性注释，完成AVEIS构建并为数以亿计的临床意义未明的变异VUS分类提供证据。构建的AVEIS将会为医学遗传学提供宝贵资源，如识别候选致病变异、发现潜在治疗靶点、潜在驱动个性化医疗的快速转化，并为当前大量功能未表征的蛋白编码基因提供功能、表型研究的窗口。
-
公开(公告)号：CN117476252A
公开(公告)日：2024-01-30
申请号：CN202311477825.8
申请日：2023-11-07
Applicant: 中南大学
Abstract: 本发明涉及知识图谱技术领域，公开了一种基于知识图谱的病因病理预测方法，包括基于深度卷积神经网络算法CNN构建的两类分类预测模型，其中，两类分类预测模型分别为预测疾病病因基因的单标签二分类模型以及预测病因基因所参与病理过程的多标签多分类模型。本发明重新定义人类疾病表型预测问题，创造性地训练单标签二分类与多标签多分类深度学习模型，能有效预测所研究的相关疾病病因基因及其病理过程；本发明有效提升预测精准度，并应用于多种疾病的病因基因及病理过程的预测，为预测病因基因提供大量潜在靶标，为实验研究、医疗决策提供大数据信息支持。
-
公开(公告)号：CN113672818B
公开(公告)日：2023-11-14
申请号：CN202010401788.2
申请日：2020-05-13
Applicant: 中南大学
IPC: G06F16/9536 , G06F16/33 , G06N3/0464 , G06N3/08 , G06N20/00 , G06Q40/03
Abstract: 本发明涉及一种获取社交媒体用户画像的方法和系统，其中，所述方法包括：针对预先获取的大数据中的每一条用户信息，确定每一用户信息的特征并生成与所述特征相应的标签；根据具有标签的用户信息，训练预先设定的社交媒体用户画像预测模型获取训练后的社交媒体用户画像预测模型；获取待预测的用户信息；根据所述待预测的用户信息，采用所述训练后的社交媒体用户画像预测模型，获取待预测的用户的画像；其有益效果是，根据社交媒体用户的信息来获取社交媒体用户的画像。
-
公开(公告)号：CN113672818A
公开(公告)日：2021-11-19
申请号：CN202010401788.2
申请日：2020-05-13
Applicant: 中南大学
Abstract: 本发明涉及一种获取社交媒体用户画像的方法和系统，其中，所述方法包括：针对预先获取的大数据中的每一条用户信息，确定每一用户信息的特征并生成与所述特征相应的标签；根据具有标签的用户信息，训练预先设定的社交媒体用户画像预测模型获取训练后的社交媒体用户画像预测模型；获取待预测的用户信息；根据所述待预测的用户信息，采用所述训练后的社交媒体用户画像预测模型，获取待预测的用户的画像；其有益效果是，根据社交媒体用户的信息来获取社交媒体用户的画像。
-
-
-
-
Search Results
5
records
(took 0.014 seconds)
