龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中山大学
摘要：本申请公开了一种基于预训练的疾病术语归一化方法、系统、设备及介质，将采集的70万余条待归一化文本，以及对应的归一化后的标准术语拼接组合为第一训练样本数据，采用第一训练样本数据对构建完成的生成模型和多标签分类模型进行训练，采用训练完成的生成模型和多标签分类模型召回第一和第二候补样本，以及基于ICD‑10的层次关系和第一训练样本数据的相似样本召回第三和第四候补样本，以提高术语召回覆盖率和准确率，通过收集大规模疾病术语作为训练样本，提高生成模型和多标签分类模型在小样本术语上的性能，进一步的，基于对比思想，采用第一训练样本数据和对应的候补负样本训练文本匹配模型，提高文本匹配模型相似术语区分的能力。
主权项：1.一种基于预训练的疾病术语归一化方法，其特征在于，所述方法包括：获取待归一化文本和对应的归一化后的标准术语，将所述待归一化文本和对应的归一化后的标准术语拼接为文本对，以构建第一训练样本数据；采用所述第一训练样本数据集对构建完成的生成模型和多标签分类模型进行训练；将所述待归一化文本分别输入训练完成的生成模型和多标签分类模型，分别召回第一候补样本和第二候补样本，并剔除所述第一候补样本和所述第二候补样本中存在的所述标准术语，得到候补负样本；基于对比思想，采用所述第一训练样本数据和对应的候补负样本训练构建完成的文本匹配模型；针对用户输入的待归一化文本，使用训练完成的所述生成模型和所述多标签分类模型，得到候补术语以组成候补术语集，并将所述用户输入的待归一化文本和所述候补术语集拼接后输入训练完成的文本匹配模型，输出术语归一化结果。
全文数据：
权利要求：
百度查询： 中山大学 基于预训练的疾病术语归一化方法、系统、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号