-
公开(公告)号：CN111276242A
公开(公告)日：2020-06-12
申请号：CN202010067550.0
申请日：2020-01-20
Applicant: 吉林大学
Abstract: 本发明公开了一种针对医院重症监护室患者疾病诊断与病情状态评估建模方法，该方法通过利用医疗临床数据具体为测量数据与给药数据，将疾病诊断与死亡风险评估进行统一建模。该模型是一个多任务学习模型，将每一种疾病看作是模型的一个子任务来学习。在技术层面，该模型采用注意力机制和窗口对齐操作来提高预测性能，并使用焦点损失来解决数据不平衡问题。在数据来源方面，该模型使用临床测量和临床治疗的电子档案信息进行实时建模，以便更好的应用于临床场景与临床实践当中。该方法极大的简化疾病诊断模型的开发周期与费用，而且可以在诊断疾病的同时给出病人的严重程度评估结果，方便医生实施进一步的治疗操作。
-
公开(公告)号：CN103995820B
公开(公告)日：2019-04-16
申请号：CN201410081840.5
申请日：2014-03-06
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/958
Abstract: 本发明公开了一种基于最低阈值的用户个人品性多标记预测方法，旨在克服现有技术存在的整体精准度不高、适用性不强、特征权重及用户个人品性标记阈值分配过于主观化和对用户个人品性之间相关性的忽视等问题，该方法的步骤为：1.由特征解析与表示模块实现用户个人品性相关特征集合的解析和表示；2.由特征分析和预处理模块实现多元数据类型的归一化；3.由参数学习模块实现特征权重的分配以及用户个人品性标记最低阈值的确定；4.由用户个人品性预测模块实现基于最低阈值的用户个人品性多标记的预测。
-
公开(公告)号：CN106355095B
公开(公告)日：2018-10-19
申请号：CN201611046454.8
申请日：2016-11-23
Applicant: 吉林大学
Abstract: 本发明公开一种利用模糊理论对欺诈网页进行识别的方法，涉及一种不依赖网页特征的欺诈网页识别技术，利用分工协作的思维和模糊理论来解决欺诈网页识别问题，由不同的用户来决定网页的质量，由计算机来分析用户作出标记后的数据集，以解决现有欺诈网页识别方法对网页的依赖性大的技术问题。这种技术方案简单有效，在未来搜索引擎中具有重要实用价值。
-
公开(公告)号：CN105975984A
公开(公告)日：2016-09-28
申请号：CN201610280055.1
申请日：2016-04-29
Applicant: 吉林大学
CPC classification number: G06K9/6256 , G06K9/6269 , G06N3/084
Abstract: 本发明涉及一种基于证据理论的网络质量评价方法，给出了清晰、明确、可计算的网页质量评价指标体系，能够针对任何类别的网页进行质量评价，以综合可信度质量为重点，结合了网页内容质量和网站内容质量的各种评价角度，可以保证相当的客观性和真实性，同时实现了自动化的指标采集量化。
-
公开(公告)号：CN114386513A
公开(公告)日：2022-04-22
申请号：CN202210036320.7
申请日：2022-01-13
Applicant: 吉林大学
IPC: G06K9/62 , G06F16/901 , G06F16/906 , G06N3/04 , G06N3/08 , G06F16/9535
Abstract: 本发明涉及一种集成评论与评分的交互式评分预测方法及系统，通过构建节点属性二部图，将评分和评论等辅助信息集成到用户和商品的交互中，并利用卷积神经网络学习获得评论的隐特征，将隐特征整合到节点属性二部图中，得到特征属性二部图；然后利用属性图卷积网络分别从商品域和评论域两个方面更新特征属性二部图中的用户节点特征和商品节点特征，增强了对用户和商品特征的学习，因而根据用户特征和商品特征预测得到的评分精度更高。通过采用注意力机制实时计算特征权重，非线性地、动态地融合用户节点特征和商品节点特征，进一步提高了推荐系统预测评分的准确度。
-
Patent Agency Ranking
公开(公告)号：CN113672607A
公开(公告)日：2021-11-19
申请号：CN202110955923.2
申请日：2021-08-19
Applicant: 吉林大学
IPC: G06F16/215 , G06F16/2458 , G06N3/04 , G06N3/08
Abstract: 本发明属于医疗数据处理技术领域，尤其医疗时序数据缺失值处理方法，包括以下步骤：通过各种临床数据模式来填补缺失值，包括以下步骤：数据输入，在输入层输入含有缺失值的多变量原始时序数据、插值开关矩阵和输入数据时间戳矩阵，同时添加补充输入；本发明本发明插值不需要任何前提假设，本发明可以极大的提高插值的准确性，通过处理数据得到高准确性的插值数据来进行死亡率预测，预测性能更好，本发明对不规则时序数据、含噪声较大的数据、突发性较强的数据均有很好的插值性能，适用于ICU临床多变量时序数据的缺失问题。
-
公开(公告)号：CN112463970A
公开(公告)日：2021-03-09
申请号：CN202011489612.3
申请日：2020-12-16
Applicant: 吉林大学
Abstract: 本发明公开了一种基于时间关系对文本包含的因果关系进行抽取的方法，包括：构建基于时间关系的Bi‑LSTM+GCN网络模型；将待输入的文本中的单词输入到Bi‑LSTM网络获得文本中单词的特征；将文本中单词的时间关系转化成时间关系特征矩阵输入到GCN网络，由GCN网络输出特征向量；将GCN网络输出特征向量输入分类器，获得因果关系的抽取结果：原因、结果和非因非果。与现有技术相比，本发明利用时间关系与因果关系的联系,本文通过将时间关系转化成特征矩阵的方式结合了Bi‑LST+GCN网络模型，并且通过实验能准确获得因果关系标注，时间关系有利于因果关系的抽取，本发明提出的基于时间关系的Bi‑LSTM+GCN模型能有效的获取因果关系。
-
公开(公告)号：CN111488524A
公开(公告)日：2020-08-04
申请号：CN202010270909.4
申请日：2020-04-08
Applicant: 吉林大学
IPC: G06F16/9535 , G06N3/08
Abstract: 本发明公开了一种面向注意力的语义敏感的标签推荐方法，包括1)、使用word2vec对标签进行预训练，将带有语义的标签嵌入表示；2)、利用注意力机制将标签的嵌入表示集成到用户特征和项目特征中，对用户和商品特征的动态标签影响进行建模；3)、将用户特征和项目特征与标签信息结合起来进行预测，获得带有基于标签信息的预测结果，完成推荐。提出了一种包含标签语义信息的新模型，利用注意力机制对用户和商品特征的动态标签影响进行建模，将标签信息与用户和商品特征动态地结合起来，以提高推荐性能，并通过实验证实该方法的有效性。
-
公开(公告)号：CN103577876A
公开(公告)日：2014-02-12
申请号：CN201310547349.2
申请日：2013-11-07
Applicant: 吉林大学
IPC: G06N3/02
Abstract: 本发明公开了一种基于前馈神经网络的可信与不可信用户识别方法，旨在克服现有技术存在精准度不够、识别依据不足、灵活性缺失与社会网络解析粒度较粗等问题，该方法的步骤为：1.获取特殊用户并确定训练集包含的用户；2.分析并量化用户特征，将用户表示为用户特征向量；3.构建前馈神经网络；4.训练前馈神经网络；5.由训练后的前馈神经网络实现可信与不可信用户识别，其步骤为：1）获取社会网络中用户信息；2）量化用户信息并生成用户特征向量；3）将用户特征向量输入到前馈神经网络中，依据输出节点的输出值识别可信与不可信用户。
-
公开(公告)号：CN111488524B
公开(公告)日：2022-08-16
申请号：CN202010270909.4
申请日：2020-04-08
Applicant: 吉林大学
IPC: G06F16/9535 , G06N3/08
Abstract: 本发明公开了一种面向注意力的语义敏感的标签推荐方法，包括1)、使用word2vec对标签进行预训练，将带有语义的标签嵌入表示；2)、利用注意力机制将标签的嵌入表示集成到用户特征和项目特征中，对用户和商品特征的动态标签影响进行建模；3)、将用户特征和项目特征与标签信息结合起来进行预测，获得带有基于标签信息的预测结果，完成推荐。提出了一种包含标签语义信息的新模型，利用注意力机制对用户和商品特征的动态标签影响进行建模，将标签信息与用户和商品特征动态地结合起来，以提高推荐性能，并通过实验证实该方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.017 seconds)
