公开(公告)号：CN118113874A

公开(公告)日：2024-05-31

申请号：CN202410318795.4

申请日：2024-03-20

Applicant: 重庆邮电大学

Inventor： 蒋宇皓 ,  韦莉 ,  赵德春 ,  陈毅 ,  刘洋华子 ,  沈宇辰

IPC: G06F16/35 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/044 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明涉及一种同异质结合的集成学习模型的医疗文本分类方法，属于文本分类领域。该方法包括：将医疗文本数据划分为训练集和测试集，其中训练集划分为k折文本数据；将k折文本数据分别输入三个异质分类器中进行训练，对于每个异质分类器可得到k个具有不同参数的同质分类器；将测试集分别输入3*k个分类器中，对测试集的结果进行平均集成以综合考虑每个异质分类器的k个同质分类器的预测结果；将三个异质分类器的预测结果进行最大集成，对测试集的每个预测概率选出贡献效益最大的分类器。本发明可充分挖掘集成学习的潜力，以提升医疗文本分类的准确性和泛化性。

公开(公告)号：CN117909918A

公开(公告)日：2024-04-19

申请号：CN202410083849.3

申请日：2024-01-19

Applicant: 重庆邮电大学

Inventor： 赵德春 ,  贺祥飞 ,  张和华 ,  韦莉 ,  孙九悦 ,  喻致宽

IPC: G06F18/25 ,  G06F18/24 ,  G06N3/045 ,  G06N3/09 ,  G06F40/295

Abstract: 本发明涉及一种基于融合特征的监护仪故障预测方法和系统，包括：获取监护仪故障记录数据，并对监护仪故障记录数据进行预处理；利用训练好的预训练语言模型对监护仪故障现象描述文本进行特征嵌入，得到融合多种语言任务信息的第一融合特征；利用TF‑IDF模型提取出监护仪故障现象描述文本的词频特征；并根据词频特征对第一融合特征进行加权融合得到第二融合特征；将第二融合特征输入BiGRU模型进行进一步的特征提取得到第三融合特征；将第三融合特征输入注意力机制进行加权得到第四融合特征，将第四融合特征输入分类层，预测监护仪的故障类别；根据监护仪的故障类别预测结果和监护仪的真实故障类别构建加权损失函数对模型的参数进行更新。