-
公开(公告)号：CN116738992A
公开(公告)日：2023-09-12
申请号：CN202310038699.X
申请日：2023-01-12
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06F16/35 , G06F18/2415 , G06F18/25 , G16H10/60 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于图注意力网络和字词融合的医疗命名实体识别方法，包括将待识别的文本序列输入Bert模型，得到文本序列中每一个文字的特征向量，即得到字特征；通过SoftLexicon方法将与文本序列中字符匹配的词汇表示层特征向量，即得到词汇特征；令字特征指向与之对应的词汇特征构建有向图，并利用邻接矩阵保存有向图的信息，将字特征、词汇特征及其对应的邻接矩阵利用图注意力网络进行融合，得到字词特征向量；利用BiLSTM网络对字词特征向量进行上下文语义提取，得到上下文语义向量；将上下文语义向量输入条件随机场层，预测得到文本序列对应的标签；本发明有效提高医疗命名实体识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN108230169B
公开(公告)日：2021-12-17
申请号：CN201711380264.4
申请日：2017-12-20
Applicant: 重庆邮电大学
IPC: G06Q50/00
Abstract: 本发明请求保护一种基于社交影响力的信息传播模型及态势感知系统及方法。属于社交网络分析领域。方法包括步骤：第一步，获取数据源。第二步，提取相关属性。分别从用户、粉丝和行为三个方面提取属性，定义社交影响力，分析出影响信息传播的驱动力。第三步，构建动态演化策略。定义收益矩阵和话题热度的概念，根据演化博弈理论建立动态演化策略。第四步，构建网络拓扑。根据提取的相关属性分别构建不同的分层。第五步，构建复杂网络信息传播模型。将每层得到驱动力以及演化博弈与传统的SIR模型相结合得到一种改进的信息传播模型。该发明能够更加准确的探知信息传播趋势，揭示不同的驱动因素对信息传播的影响。
-
公开(公告)号：CN108230170A
公开(公告)日：2018-06-29
申请号：CN201711380291.1
申请日：2017-12-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向社交网络的多信息和多维网络信息传播模型及方法，属于社交网络分析领域。首先，获取社交网络数据，并对数据进行预处理。第二步，从真实数据中提取用户信息、用户行为以及用户关系，用余弦相似度的方法来构建多维网络空间。第三步，建立模型，借鉴传染病模型机理，在传统的传染病模型的基础上引入了“影响因子”用以表示不同信息之间的相互作用关系及强度，由此构建了基于多信息、多维空间网络的信息传播模型。最后仿真分析，从微观和宏观两个角度构建动力学方程来分析两条消息的共同演化趋势。该发明更能符合信息传播的真实情景，更有利于对信息传播过程的研究。
-
公开(公告)号：CN108230169A
公开(公告)日：2018-06-29
申请号：CN201711380264.4
申请日：2017-12-20
Applicant: 重庆邮电大学
IPC: G06Q50/00
Abstract: 本发明请求保护一种基于社交影响力的信息传播模型及态势感知系统及方法。属于社交网络分析领域。方法包括步骤：第一步，获取数据源。第二步，提取相关属性。分别从用户、粉丝和行为三个方面提取属性，定义社交影响力，分析出影响信息传播的驱动力。第三步，构建动态演化策略。定义收益矩阵和话题热度的概念，根据演化博弈理论建立动态演化策略。第四步，构建网络拓扑。根据提取的相关属性分别构建不同的分层。第五步，构建复杂网络信息传播模型。将每层得到驱动力以及演化博弈与传统的SIR模型相结合得到一种改进的信息传播模型。该发明能够更加准确的探知信息传播趋势，揭示不同的驱动因素对信息传播的影响。
-
公开(公告)号：CN116738992B
公开(公告)日：2024-09-24
申请号：CN202310038699.X
申请日：2023-01-12
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F40/284 , G06F40/30 , G06F16/35 , G06F18/2415 , G06F18/25 , G16H10/60 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于图注意力网络和字词融合的医疗命名实体识别方法，包括将待识别的文本序列输入Bert模型，得到文本序列中每一个文字的特征向量，即得到字特征；通过SoftLexicon方法将与文本序列中字符匹配的词汇表示层特征向量，即得到词汇特征；令字特征指向与之对应的词汇特征构建有向图，并利用邻接矩阵保存有向图的信息，将字特征、词汇特征及其对应的邻接矩阵利用图注意力网络进行融合，得到字词特征向量；利用BiLSTM网络对字词特征向量进行上下文语义提取，得到上下文语义向量；将上下文语义向量输入条件随机场层，预测得到文本序列对应的标签；本发明有效提高医疗命名实体识别的准确率。
-
公开(公告)号：CN108230170B
公开(公告)日：2022-02-11
申请号：CN201711380291.1
申请日：2017-12-20
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种面向社交网络的多信息和多维网络信息传播模型及方法，属于社交网络分析领域。首先，获取社交网络数据，并对数据进行预处理。第二步，从真实数据中提取用户信息、用户行为以及用户关系，用余弦相似度的方法来构建多维网络空间。第三步，建立模型，借鉴传染病模型机理，在传统的传染病模型的基础上引入了“影响因子”用以表示不同信息之间的相互作用关系及强度，由此构建了基于多信息、多维空间网络的信息传播模型。最后仿真分析，从微观和宏观两个角度构建动力学方程来分析两条消息的共同演化趋势。该发明更能符合信息传播的真实情景，更有利于对信息传播过程的研究。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
