“滑美芳”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果17个，建议您升级VIP下载更多相关专利

[发明专利]中文医疗命名实体识别方法、系统、存储介质和设备-CN202011468199.2有效
发明人：王红;王正军;杨杰;王彩雨;杨雪;李刚;滑美芳;胡斌;王吉华;贾伟宽;闫伟 -专利权人：山东师范大学
申请日： 2020-12-14 - 公布日： 2023-06-23 - 主分类号： G06F40/295 文献下载
摘要：本发明属于中文医疗命名实体识别技术领域，提供了一种中文医疗命名实体识别方法、系统、存储介质和设备。其中，中文医疗命名实体识别方法包括获取临床文本数据；将临床文本数据分别转换为医疗文本的字符嵌入表示、医学概念嵌入特征向量和跨语言中文嵌入表示并进行拼接，得到多元数据融合特征向量；将多元数据融合特征向量输入至基于多图的命名实体识别模型中，识别出中文医疗命名实体类型；基于多图的命名实体识别模型包括多图网络和LSTM‑CRF模型，多图网络用于接收以多元数据融合特征向量为节点构成的文本图，输出节点的最终状态并传送至LSTM‑CRF模型，由LSTM‑CRF模型输出识别结果。其提高了中文医疗命名实体识别准确性。
中文医疗命名实体识别方法系统存储介质设备

[发明专利]基于多模态特征和情感词典的文本抑郁倾向检测系统-CN202110583446.1有效
发明人：王红;张慧;庄鲁贺;韩书;李威;杨杰;王正军;杨雪;滑美芳 -专利权人：山东师范大学
申请日： 2021-05-27 - 公布日： 2023-04-07 - 主分类号： G06F40/205 文献下载
摘要：本公开提供了一种基于多模态特征和情感词典的文本抑郁倾向检测系统，其工作方法为：对获取的文本数据进行预处理；根据预处理后的文本数据和预设词嵌入模型，得到词嵌入向量；根据预处理后的文本数据和预设情感词典，得到每个词的二维情感特征向量；提取文本数据中的词性特征向量，依次与二维情感特征向量和词嵌入向量拼接后，得到单词级别的特征向量表示；提取文本数据中的词频特征向量，得到句子级别的特征向量表示；根据单词级别的特征向量表示、句子级别的特征向量表示以及预设CNN‑BiLSTM网络模型，得到最终的分类结果；本公开根据社交媒体文本数据，扩充了现有的情感词典，实现了更精准的文本抑郁倾向检测。
基于多模态特征情感词典文本抑郁倾向检测系统

[发明专利]一种医疗命名实体识别方法及系统-CN202110474668.X有效
发明人：王红;韩书;李威;庄鲁贺;张慧;余盛朋;王正军;杨杰;杨雪;滑美芳;于晓梅 -专利权人：山东师范大学
申请日： 2021-04-29 - 公布日： 2023-04-07 - 主分类号： G06F40/295 文献下载
摘要：本公开提供了一种医疗命名实体识别方法及系统，获取待识别的医疗文本数据；根据获取的医疗文本数据，得到至少一个句子中的词嵌入向量；进行句子中短语的语法角色标记，结合短语之间的依存关系，得到短语之间的关系图，根据预设图卷积神经网络中，得到特征向量；将获取的词嵌入向量和特征向量进行拼接，得到拼接后的输入向量；根据拼接后的输入向量和预设动态堆叠网络，得到医疗命名实体识别结果；本公开采用动态堆叠网络的原因是为了解决实体嵌套的问题，极大的提高了医疗命名实体的识别精度。
一种医疗命名实体识别方法系统

[发明专利]加权多尺度有限穿越可视图辨识房颤心电信号方法及系统-CN202110396507.3有效
发明人：王红;李威;韩书;庄鲁贺;张慧;王正军;杨杰;杨雪;滑美芳;李刚;梁成;王吉华 -专利权人：山东师范大学
申请日： 2021-04-13 - 公布日： 2022-09-02 - 主分类号： A61B5/318 文献下载
摘要：本发明属于的房颤心电信号处理领域，提供了加权多尺度有限穿越可视图辨识房颤心电信号方法及系统。其中，该方法包括获取设定长度的心电信号；提取所述心电信号的原始特征，得到对应的原始特征向量；将所述心电信号转换成网络形式，提取对应网络特征，得到对应的网络特征向量，其中，网络特征包括新加入的局部效率熵；将原始特征向量与网络特征向量融合后输入至机器学习模型中，得到心电信号的类别辨识结果，其中，所述心电信号的类别包括房颤心电信号、正常电信号、噪声信号和其他心电信号。
加权尺度有限穿越视图辨识房颤电信号方法系统

[发明专利]基于条件随机场的微生物-疾病关联性预测方法及系统-CN202111563953.5在审
发明人：王红;滑美芳;王正军;杨雪;杨杰;张双永;张子姗;郑子希;李维新 -专利权人：山东师范大学
申请日： 2021-12-20 - 公布日： 2022-05-13 - 主分类号： G16H50/70 文献下载
摘要：本发明公开了一种基于条件随机场的图卷积网络预测微生物‑疾病关联方法，所述方法包括：获取微生物和疾病的对应关系数据，构建微生物‑疾病关联矩阵；根据所述微生物‑疾病关联矩阵，获取微生物之间和疾病之间的相似性矩阵，与微生物‑疾病关联矩阵整合得到邻接矩阵；对所述微生物之间和疾病之间的相似性矩阵分别进行特征提取，组合得到特征矩阵；基于图卷积网络，根据所述邻接矩阵和特征矩阵，生成嵌入向量；根据条件随机场对嵌入向量进行更新；根据更新后的嵌入向量对关联矩阵进行重构。本发明通过图卷积网络，充分挖掘了微生物和疾病的特征，通过引入CRF层，保证了相似的微生物或疾病在特征空间也具有相似的嵌入，提高了关联预测的准确性。
基于条件随机微生物疾病关联性预测方法系统

[发明专利]一种基于投影和对比学习的疾病-微生物关联预测系统-CN202111561301.8在审
发明人：王红;程恩浩;熊淑贤;宋曙光;滑美芳;杨雪;李维新;张子姗;郑子希;张双永 -专利权人：山东师范大学
申请日： 2021-12-17 - 公布日： 2022-05-03 - 主分类号： G16H50/70 文献下载
摘要：本发明提供了一种基于投影和对比学习的疾病‑微生物关联预测系统，包括：数据获取模块，被配置为：获取疾病和微生物参量数据；无权投影模块，被配置为：将根据参量数据构建的二分网络进行无权投影，得到疾病‑疾病关联以及疾病‑微生物关联；特征提取模块，被配置为：根据疾病‑疾病关联以及疾病关联图对比学习得到疾病特征，根据疾病‑微生物关联以及微生物关联图对比学习得到微生物特征；关联预测模块，被配置为：根据疾病特征、微生物特征和预设全连接网络模型，得到疾病‑微生物关联预测结果；本发明基于投影和图互信息对比学习，实现了疾病‑微生物关联的更快速和更准确预测。
一种基于投影对比学习疾病微生物关联预测系统

[发明专利]基于多视图图卷积网络的微生物-疾病关联预测方法-CN202111435109.4在审
发明人：王红;滑美芳;王正军;杨雪;杨杰;余盛鹏;刘天宇;郑子希;李维新;张双永;张子姗;梁成 -专利权人：山东师范大学
申请日： 2021-11-29 - 公布日： 2022-04-15 - 主分类号： G16H50/70 文献下载
摘要：本发明公开了一种基于多视图图卷积网络的微生物‑疾病关联预测方法，所述方法包括：获取微生物和疾病的对应关系数据，构建邻接矩阵；根据邻接矩阵，分别基于多种相似性计算方法，获取多个微生物相似性视图和多个疾病相似性视图；基于所述多个微生物相似性视图和多个疾病相似性视图，依次经由图卷积网络、多通道注意力网络和卷积神经网络，学习微生物多视图特征嵌入和疾病多视图特征嵌入；根据微生物多视图特征嵌入和疾病多视图特征嵌入，得到微生物和疾病之间的相关预测矩阵。本发明通过多视图多通道图卷积网络，能够充分挖掘微生物与疾病之间的潜在关联关系，提高预测的准确率。
基于视图图卷网络微生物疾病关联预测方法

[发明专利]一种基于图互信息最大化的抑郁症患者脑电识别系统-CN202111362136.3在审
发明人：王红;李威;韩书;庄鲁贺;张慧;刘天宇;滑美芳;王正军;杨杰;杨雪 -专利权人：山东师范大学
申请日： 2021-11-17 - 公布日： 2022-03-22 - 主分类号： A61B5/16 文献下载
摘要：本发明提供了一种基于图互信息最大化的抑郁症患者脑电识别系统，包括：数据获取模块，被配置为：获取待识别的脑电信号并进行预处理；特征提取模块，被配置为：根据待识别的脑电信号以及预设特征提取模型，得到提取后的特征向量；抑郁症识别模块，被配置为：根据获取的特征向量和预设分类模型，得到抑郁症识别结果；其中，预设特征提取模型的训练，包括：根据基于脑电信号得到的邻接矩阵和特征矩阵进行图卷积神经网络的预训练，基于图互信息最大化，通过局部‑全局互信息最大化的对比学习训练图卷积神经网络的输出层；本发明利用图互信息最大化方法，充分利用了多通道信号及其相关性，实现了基于MDD脑电信号的更准确的抑郁症识别。
一种基于互信最大化抑郁症患者识别系统

[发明专利]一种学位论文评价方法、系统、介质及电子设备-CN202111076357.4在审
发明人：王红;王正军;滑美芳;杨杰;杨雪;李刚 -专利权人：山东师范大学
申请日： 2021-09-14 - 公布日： 2022-01-04 - 主分类号： G06F40/205 文献下载
摘要：本发明提供了一种学位论文评价方法、系统、介质及电子设备，属于文本数据处理技术领域，所述方法包括以下过程：获取学位论文评审数据中的各评价指标得分以及专家评语；对专家评语进行分词并去除停用词，进行专家评语的序列化；根据预设模型对序列化的专家评语进行分类；根据分类结果进行专家评语的评价赋分；根据评价赋分与各评价指标得分的加权和，得到最终的学位论文评价结果；本发明通过对专家评语的聚类或分类操作，结合其他各个维度的总体得分，实现了更准确和更全面的论文质量评价。
一种学位论文评价方法系统介质电子设备

[发明专利]一种基于文本循环神经网络的政务文本分类方法及系统-CN202110685564.3在审
发明人：王红;庄鲁贺;滑美芳;李威;张慧;韩书 -专利权人：山东师范大学
申请日： 2021-06-21 - 公布日： 2021-10-15 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于文本循环神经网络的政务文本分类方法及系统，获取政务文本数据及其对应的类别标签；构建文本循环神经网络分类模型，文本循环神经网络分类模型包括用于将政务文本数据映射为向量的嵌入层、双层长短期记忆网络层和全连接层；根据政务文本数据和类别标签训练文本循环神经网络分类模型；其中，在双层长短期记忆网络层中，双向长短期记忆网络的输出嵌入向量和输入嵌入向量进行拼接，将得到的拼接向量输入到单向长短期记忆网络中，由全连接层对单向长短期记忆网络的输出向量的长度进行收缩，以与类别标签数量对应；根据训练后的文本循环神经网络分类模型得到待分类政务文本数据的分类结果。具备较高的分类准确率和处理效率。
一种基于文本循环神经网络政务分类方法系统

[发明专利]一种基于参数迁移的甲状腺结节识别模型训练方法及系统-CN202110620765.5在审
发明人：王红;杨杰;王正军;滑美芳;杨雪;李刚 -专利权人：山东师范大学
申请日： 2021-06-03 - 公布日： 2021-09-21 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于参数迁移的甲状腺结节识别模型训练方法及系统，所述方法包括：获取带标记的源域数据和甲状腺结节超声图像；采用所述源域数据对卷积神经网络进行预训练，得到预训练模型参数；在所述卷积神经网络的基础上对全连接层进行增减，保留的层采用预训练模型参数，以甲状腺结节超声图片作为输入，对修改后的卷积神经网络进行训练，得到甲状腺结节识别模型，用于对甲状腺结节进行识别，辅助诊断。本发明通过引入迁移学习的思想，解决了因甲状腺结节影响数据目标识别难度大，特征不明显从而难以训练的问题。
一种基于参数迁移甲状腺结节识别模型训练方法系统

[发明专利]基于多源异构网络的预测药物之间副作用的方法及系统-CN202110583454.6在审
发明人：王红;庄鲁贺;张慧;李威;韩书;杨杰;王正军;杨雪;滑美芳 -专利权人：山东师范大学
申请日： 2021-05-27 - 公布日： 2021-09-07 - 主分类号： G16H70/40 文献下载
摘要：本发明属于数据分析挖掘技术领域，提供了一种基于多源异构网络的预测药物之间副作用的方法及系统。其中，该方法包括获取药物之间副作用的数据、药物和副作用之间对应关系的数据及药物和不同生物模态之间对应关系的数据，构建不同药物之间相互作用的符号网络；针对不同生物模态，对药物之间相互作用的符号网络进行图卷积，得到相应特征矩阵，并融合所有生物模态下的特征矩阵；通过解码矩阵对融合的特征矩阵中的药物编码进行解码，得到重构的药物之间的副作用网络；根据重构的药物之间的副作用网络中的信息得到邻接矩阵，根据邻接矩阵计算预测药物之间的副作用的准确率。
基于多源异构网络预测药物之间副作用方法系统

[发明专利]基于多模态特征和语义规则的文本抑郁倾向检测系统-CN202110584120.0在审
发明人：王红;张慧;庄鲁贺;韩书;李威;杨杰;王正军;杨雪;滑美芳 -专利权人：山东师范大学
申请日： 2021-05-27 - 公布日： 2021-09-03 - 主分类号： G06F40/30 文献下载
摘要：本公开提供了一种基于多模态特征和语义规则的文本抑郁倾向检测系统，工作方法为：获取待处理的文本数据，对获取的文本数据进行预处理；根据预处理后的文本数据和预设词嵌入模型，得到词嵌入向量；根据预处理后的文本数据、预设情感词典和预设语义规则，得到文本的情感值特征向量；提取文本数据中的词性特征向量，与词嵌入向量拼接后，得到单词级别的特征向量表示；提取文本数据中的词频特征向量，与情感值特征向量拼接后，得到句子级别的特征向量表示；根据单词级别的特征向量表示、句子级别的特征向量表示以及预设CNN‑BiLSTM网络模型，得到最终的分类结果；本公开考虑了文本的情感信息，提取了多模态的文本特征，提高了文本抑郁倾向检测的精度。
基于多模态特征语义规则文本抑郁倾向检测系统

[发明专利]基于图注意力网络的微生物-疾病关联性预测方法及系统-CN202110592269.3在审
发明人：王红;滑美芳;庄鲁贺;杨杰;王正军;杨雪;张慧;韩书;李威 -专利权人：山东师范大学
申请日： 2021-05-28 - 公布日： 2021-09-03 - 主分类号： G16B40/00 文献下载
摘要：本发明公开了一种基于图注意力网络的微生物‑疾病关联性预测方法及系统，所述方法包括以下步骤：获取微生物和疾病的对应关系数据，构建邻接矩阵；根据邻接矩阵，分别计算微生物相似性矩阵和疾病相似性矩阵；根据微生物和疾病相似性矩阵，对微生物和疾病之间的关系进行补充，得到新的邻接矩阵；根据新的邻接矩阵，基于图注意网络，对微生物和疾病之间的关联进行重构。本发明通过微生物相似性和疾病相似性的分析，能够充分挖掘微生物与疾病之间的潜在关联关系，然后通过图注意力网络进行关联重构，提高预测的准确率。
基于注意力网络微生物疾病关联性预测方法系统

[发明专利]一种基于时间卷积网络的序列异常检测方法及系统-CN202110255259.0在审
发明人：王红;李泽慧;相志杰;巩志伟;王正军;杨杰;杨雪;滑美芳 -专利权人：山东师范大学
申请日： 2021-03-09 - 公布日： 2021-07-06 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于时间卷积网络的序列异常检测方法及系统，包括：基于因果卷积层、膨胀卷积层和残差连接模块构建时间卷积网络；采用时间卷积网络对原始数据序列进行重构得到重建序列，根据重建序列中每个点的异常评分设置异常阈值；根据候选时间步长内的异常点数得到候选时间步长的异常密度，根据异常密度在候选时间步长内选取异常检测时间步长；根据异常检测时间步长选择集体异常检测或点异常检测的异常检测类型，并根据异常检测时间步长内的总异常评分与异常阈值的比较结果，得到集体异常或点异常的异常检测结果。是一种通过时间步长timestep参数实现集体异常检测和点异常检测切换的泛化系统，具有较高的检测效率和准确性。
一种基于时间卷积网络序列异常检测方法系统

1
2
下一页»
尾页
共 17 条