一种医疗费用清单明细识别结果的后处理方法及装置

    公开(公告)号:CN117807217A

    公开(公告)日:2024-04-02

    申请号:CN202410001258.7

    申请日:2024-01-02

    Applicant: 南开大学

    Abstract: 本发明公开一种医疗费用清单明细识别结果的后处理方法及装置,涉及计算机处理技术领域,在获取待处理医疗费用清单明细的识别结果和开具待处理医疗费用清单明细的医院的医院编码后,将识别结果和医院编码与预先建立的医疗知识图谱进行匹配,得到匹配结果,进一步基于匹配结果确定识别结果的可信度判断结果,本发明基于知识图谱图匹配的方式筛选出可信度较高的医疗费用清单明细,从而减少大量的人工成本,准确率高且开发成本低。

    Element-Wise算子实现的方法及装置
    2.
    发明公开

    公开(公告)号:CN115291844A

    公开(公告)日:2022-11-04

    申请号:CN202210700352.2

    申请日:2022-06-20

    Applicant: 南开大学

    Abstract: 本公开提供一种基于OpenCL的Element‑Wi se算子实现的方法、装置、电子设备和存储介质。基于Element‑Wi se算子的运算符共性,生成通用的两个算子类;通过继承方式,分别执行两个算子类中计算功能的封装;基于OpenCL标准,将所述Element‑Wise算子逐个实现底层OpenCLkernel;将所述底层OpenCLkernel的设备端代码和功能进行封装。基于OpenCL标准的Element‑Wi se算子的实现与封装,实现可适用于多种深度学习框架的OpenCL版本Element‑Wise算子,支持深度学习模型中常用的Element‑Wise相关运算。能够实现基于OpenCL编程标准的Element‑Wise算子库。

    OpenCL DNN库的实现方法、装置、电子设备及存储介质

    公开(公告)号:CN115268858A

    公开(公告)日:2022-11-01

    申请号:CN202210698403.2

    申请日:2022-06-20

    Applicant: 南开大学

    Abstract: 本申请提供了一种OpenCL DNN库的实现方法、装置、电子设备及存储介质,涉及机器学习技术领域,主要技术方案包括:首先通过对预设深度神经网络库的重构和修改,实现通用OpenCL DNN库,对所述OpenCL DNN库中的OpenCL核函数对应的API接口进行封装,以便通过所述API接口调用所述核函数。与相关技术的封闭性相比,此方法通过重构预设深度神经网络库中OpenCL目标核函数与接口函数,完成了预设深度神经网络库的通用化修改,实现了OpenCLDNN库在OpenCL硬件设备上使用和执行的通用性。

    一种web自动化测试框架
    5.
    发明公开

    公开(公告)号:CN117971651A

    公开(公告)日:2024-05-03

    申请号:CN202311832857.5

    申请日:2023-12-28

    Applicant: 南开大学

    Abstract: 本发明公开了一种web自动化测试框架,所述自动化测试框架基于selenium driver、pytest、allure、jenkins实现,使用selenium driver插件自动生成web测试用例;重写selenium类,得到修改后的web测试用例;运行修改后的web测试用例:利用重新编写的WebDriver_nki类实现页面自动截取,将所截取到的网页页面导入allue测试报告中;手动触发测试:人工检查截取到的网页页面,判断页面是否正确跳转,测试完成后自动将结果发送给测试人员。本发明提供了简便的测试用例编写,减轻了用例维护和管理的工作量;集成了allure报告生成功能。

    一种深度学习平台在web应用中的可视化方法及系统

    公开(公告)号:CN117827188A

    公开(公告)日:2024-04-05

    申请号:CN202410004305.3

    申请日:2024-01-02

    Applicant: 南开大学

    Abstract: 本发明公开一种深度学习平台在web应用中的可视化方法及系统,涉及软件工程技术领域,该方法包括.对于每一深度学习算法节点,根据拖拽指令将深度学习算法节点拖拽至画布中,利用Antv g6工具构建深度学习算法节点的行为模式;行为模式包括节点自由拖拽、节点选中状态和节点相互关联;基于深度学习算法节点的行为模式,对深度学习算法节点执行相应的操作,根据深度学习算法节点的行为模式,对深度学习算法节点的参数信息进行修改和保存,构建得到深度学习模型,最后运行深度学习模型,得到深度学习模型运行的文字信息以及图表信息,本发明可快速地为用户展示深度学习模型的流程以及结果,为用户提供良好的体验。

    OpenCL PyTorch的实现方法
    8.
    发明公开

    公开(公告)号:CN116976430A

    公开(公告)日:2023-10-31

    申请号:CN202310871880.9

    申请日:2023-07-17

    Applicant: 南开大学

    Abstract: 本公开公开了OpenCL PyTorch的实现方法,涉及机器学习技术领域。主要技术方案包括:首先,基于OpenCL标准实现可在OpenCL设备中运算的OpenCL算子库;其中,所述OpenCL算子库用于接收PyTorch框架发送的算子调用信息;其次,建立所述OpenCL算子库与OpenCL核函数库之间的链接;其中,所述OpenCL核函数库包含至少一个用户开发的OpenCL核函数接口或开源OpenCL计算库的核函数接口;最后,基于所述OpenCL算子库,实现PyTorch框架对所述OpenCL核函数库的调用。通过将PyTorch框架的OpenCL算子调用需求进行分解,并基于OpenCL核函数库调用OpenCL设备进行执行计算;PyTorch框架可以利用支持OpenCL标准的设备训练和部署深度学习模型,实现了可支持OpenCL编程标准的完整深度学习框架。

    海量网络数据处理系统及其的构建方法、装置

    公开(公告)号:CN115292474A

    公开(公告)日:2022-11-04

    申请号:CN202210700372.X

    申请日:2022-06-20

    Applicant: 南开大学

    Abstract: 本公开提供了一种海量网络数据处理系统及其的构建方法、装置。数据下载模块基于配置后的下载方式及下载任务的调度进行数据处理;文本提取模块以网络文本的一行为单位进行预设语言类型的文本提取;文本过滤模块基于过滤策略对数据进行过滤,所述过滤策略根据首位标点及末尾标点、控制符、出现预设敏感词汇的占比、文本总长度中的至少一种生成;去重模块基于去重策略对数据进行去重,所述去重策略采用先局部去重,再整体二次去重的方式;数据筛选模块基于筛选策略进行筛选,所述筛选策略根据文本困惑度得到;文本格式处理模块对文本数据格式进行配置。实现了利用海量网络数据进行高质量文本数据系统的构建。

Patent Agency Ranking