数据的自动标注方法及装置

    公开(公告)号:CN108062341A

    公开(公告)日:2018-05-22

    申请号:CN201610997488.9

    申请日:2016-11-08

    Abstract: 本发明实施例公开一种数据的自动标注方法及装置,所述方法包括:将标注样本中任意两个样本数据的数据特征进行比较,获得任意两个所述样本数据的排序列表;基于所述排序列表进行数据训练,获得所述数据特征的排序模型;利用所述排序模型,将所述待标注数据插入到所述排序列表的对应位置;当所有待标注数据都添加到所述排序列表之后,根据所述排序列表中待标注数据的排序生成标注标签。在本实施例中会基于样本数据的数据特征的比较,得到排序列表,通过数据训练得到排序模型,利用排序模型进行待标注数据的排序,并基于排序进行数据标注,相对于人工标注,减少了人工错误导致的不精确性,利用设备进行自动标注,提升了标注效率。

    一种复诊患者预测方法及装置

    公开(公告)号:CN108074628A

    公开(公告)日:2018-05-25

    申请号:CN201611025248.9

    申请日:2016-11-15

    Inventor: 王义 张志鹏

    Abstract: 本发明实施例公开了一种复诊患者预测方法及装置,用以解决现有技术中,在预测已就诊患者是否来医院复诊时准确性低的问题。所述方法包括:针对已就诊患者,根据预先设定的各目标医疗特征和目标社会特征的信息,获取所述已就诊患者各目标社会特征对应的各第一参数值及各目标医疗特征对应的各第二参数值;根据获取的所述各第一参数值、所述各第二参数值及预先训练完成的潜在患者预测模型,预测所述已就诊患者是否复诊。由于在本发明实施中,在预测已就诊患者在患者是否为来医院复诊时,通过所述已就诊者的各社会特征和各医疗特征的参数值进行预测,提高了预测的准确性。

    一种图像处理模型的确定方法及其相关装置

    公开(公告)号:CN109447937A

    公开(公告)日:2019-03-08

    申请号:CN201710754656.6

    申请日:2017-08-29

    Abstract: 本发明公开了一种图像处理模型的确定方法及其相关装置,首先,采用训练样本数据对深度学习卷积网络训练,得到初始的图像处理模型;之后,根据初始的图像处理模型确定训练样本数据中的稀有样本数据,并在训练样本数据中提升稀有样本数据的出现频率;最后,采用提升稀有样本数据的出现频率后的训练样本数据,对深度学习卷积网络重新训练,得到第一优化的图像处理模型。通过筛选出稀有样本数据并对其样本量进行扩充,使训练样本数据涵盖更多的数据变化条件,可以提高最后形成的图像处理模型对于稀有样本数据的分析精度。

Patent Agency Ranking