公开(公告)号：CN109615028B

公开(公告)日：2022-12-27

申请号：CN201910058028.3

申请日：2019-01-22

Applicant: 浙江大学

Inventor： 张引 ,  田沈晶

IPC: G06V10/764 ,  G06V10/46

Abstract: 本发明公开了一种基于显著图的药用植物分类方法。首先通过网络爬虫和图书提取的方式获取植物大规模图像，再经过算法去重和筛选，得到较高质量的常见药用植物数据集。利用卷积神经网络方法获取药用植物主体的显著性区域图，根据显著图采样对原图特征进行放大。分别通过卷积神经网络模型提取原图与采样图的特征，使用双线性池化将原图特征与采样图特征进行融合，得到表征效果更强的融合特征，最后使用分类器对融合特征进行分类，得到药用植物图像的类别。本发明可以根据图片识别药用植物类别，对中草药辨识知识的传播和学习有巨大的促进意义。

公开(公告)号：CN108231200B

公开(公告)日：2020-06-30

申请号：CN201810026521.2

申请日：2018-01-11

Applicant: 浙江大学

Inventor： 张引 ,  张锐 ,  田沈晶 ,  熊海辉

IPC: G16H50/70 ,  G06F40/211 ,  G06F40/295

Abstract: 本发明公开了一种基于主题模型和ILP的看病攻略生成方法。步骤如下：1)采集疾病知识和用户发布的看病经历数据，从搜狗词库、中医药主题词典、百度百科获取领域知识词典。2)将看病经历数据去重后融合入库。3)利用疾病知识制作疾病的攻略模板，攻略模板包含九大主题版块。4)对看病经历进行实体识别。5)对攻略模板和包含实体的看病经历进行联合主题建模，生成主题‑词分布和主题‑实体分布。6)利用主题‑词分布为每一主题版块选取若干篇看病经历。7)将步骤6)中的看病经历进行分句。8)利用主题‑词分布和主题‑实体分布，进行ILP优化求解，从而得到每种疾病九大主题版块的看病攻略文摘。

公开(公告)号：CN109615028A

公开(公告)日：2019-04-12

申请号：CN201910058028.3

申请日：2019-01-22

Applicant: 浙江大学

Inventor： 张引 ,  田沈晶

IPC: G06K9/62

Abstract: 本发明公开了一种基于显著图的药用植物分类方法。首先通过网络爬虫和图书提取的方式获取植物大规模图像，再经过算法去重和筛选，得到较高质量的常见药用植物数据集。利用卷积神经网络方法获取药用植物主体的显著性区域图，根据显著图采样对原图特征进行放大。分别通过卷积神经网络模型提取原图与采样图的特征，使用双线性池化将原图特征与采样图特征进行融合，得到表征效果更强的融合特征，最后使用分类器对融合特征进行分类，得到药用植物图像的类别。本发明可以根据图片识别药用植物类别，对中草药辨识知识的传播和学习有巨大的促进意义。

公开(公告)号：CN108231200A

公开(公告)日：2018-06-29

申请号：CN201810026521.2

申请日：2018-01-11

Applicant: 浙江大学

Inventor： 张引 ,  张锐 ,  田沈晶 ,  熊海辉

IPC: G16H50/70 ,  G06F17/27

Abstract: 本发明公开了一种基于主题模型和ILP的看病攻略生成方法。步骤如下：1)采集疾病知识和用户发布的看病经历数据，从搜狗词库、中医药主题词典、百度百科获取领域知识词典。2)将看病经历数据去重后融合入库。3)利用疾病知识制作疾病的攻略模板，攻略模板包含九大主题版块。4)对看病经历进行实体识别。5)对攻略模板和包含实体的看病经历进行联合主题建模，生成主题‑词分布和主题‑实体分布。6)利用主题‑词分布为每一主题版块选取若干篇看病经历。7)将步骤6)中的看病经历进行分句。8)利用主题‑词分布和主题‑实体分布，进行ILP优化求解，从而得到每种疾病九大主题版块的看病攻略文摘。