-
公开(公告)号：CN116028610B
公开(公告)日：2023-06-09
申请号：CN202310113776.3
申请日：2023-02-15
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明提出一种超关系知识图谱上的n元复杂查询嵌入方法，包括：根据超关系知识图谱构建复杂知识问答数据集；复杂知识问答数据集，包括多个一阶逻辑FOL问答查询计算图；获取N元FOL查询，根据N元FOL查询构建n元FOL查询计算图，以N元FOL查询中的实体作为锚节点，将实体的模糊向量嵌入作为锚节点嵌入；使用Projection操作得到所n元FOL查询计算图中每个锚节点对应的子查询的预测值嵌入；使用逻辑运算符对预测值嵌入进行变换；利用变换后的预测值嵌入和复杂知识问答数据集中的全体实体的嵌入时间计算相似度，获得N元FOL查询的答案实体。通过本发明提出的方法，能够处理任意n元事实中的任意位置实体查询，同时能满足n元关系查询中的所有类型的FOL查询。
-
公开(公告)号：CN117594241B
公开(公告)日：2024-04-30
申请号：CN202410052402.X
申请日：2024-01-15
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于时序知识图谱邻域推理的透析低血压预测方法，包括，获取患者的透析数据集；根据透析数据集构建血液透析患者时序知识图谱，并构建多月份的时序窗口数据；从血液透析患者时序知识图谱中提取患者图谱邻域信息；根据患者图谱邻域信息对时序窗口数据进行融合；根据融合的结果使用人工神经网络进行患者低血压的预测。通过本发明提出的方法，可用于预测透析低血压发生、挖掘透析低血压的高危因素，从而帮助透析患者降低低血压发病率。本发明中的知识图谱构建和推理方法较为通用，能够推广到医学场景中利用时序数据进行医学事件预测的任务。
-
公开(公告)号：CN116682552B
公开(公告)日：2023-10-24
申请号：CN202310956821.1
申请日：2023-08-01
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 本发明提出一种多时间跨度数据的强解释特征血液透析低血压预测方法，包括，获取血液透析低血压数据，对血液透析低血压数据进行预处理，获取第一特征集合；构建具有临床意义的第二特征集合；利用预先构建的GS‑RFE‑XGBoost模型对第一特征集合和第二特征集合进行特征选择；将特征选择的结果利用夏利普可解释的方法进行特征的可解释分析，并利用百分位数对低血压相关因素参考区间的范围进行预测。通过本发明提出的方法，可实现对血液透析低血压的强解释预测。
-
公开(公告)号：CN117594241A
公开(公告)日：2024-02-23
申请号：CN202410052402.X
申请日：2024-01-15
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于时序知识图谱邻域推理的透析低血压预测方法，包括，获取患者的透析数据集；根据透析数据集构建血液透析患者时序知识图谱，并构建多月份的时序窗口数据；从血液透析患者时序知识图谱中提取患者图谱邻域信息；根据患者图谱邻域信息对时序窗口数据进行融合；根据融合的结果使用人工神经网络进行患者低血压的预测。通过本发明提出的方法，可用于预测透析低血压发生、挖掘透析低血压的高危因素，从而帮助透析患者降低低血压发病率。本发明中的知识图谱构建和推理方法较为通用，能够推广到医学场景中利用时序数据进行医学事件预测的任务。
-
公开(公告)号：CN115269799A
公开(公告)日：2022-11-01
申请号：CN202210908399.8
申请日：2022-07-29
Applicant: 北京邮电大学
Abstract: 本发明提出一种基于向量逻辑的知识图谱多跳推理方法与装置，其中方法包括，获取知识图谱，将知识图谱中的的知识与知识的描述信息解耦合，得到知识图谱数据；根据知识图谱数据构建知识图谱多跳推理模型，知识图谱多跳推理模型用于在知识图谱上进行多跳逻辑推理；获取知识图谱中的查询请求；根据知识图谱多跳推理模型获得查询请求对应的答案实体集。本发明可以在各类场景中的知识图谱回答涉及多跳查询。
-
Patent Agency Ranking
-
公开(公告)号：CN116682552A
公开(公告)日：2023-09-01
申请号：CN202310956821.1
申请日：2023-08-01
Applicant: 首都医科大学附属北京安贞医院 , 北京邮电大学
Abstract: 本发明提出一种多时间跨度数据的强解释特征血液透析低血压预测方法，包括，获取血液透析低血压数据，对血液透析低血压数据进行预处理，获取第一特征集合；构建具有临床意义的第二特征集合；利用预先构建的GS‑RFE‑XGBoost模型对第一特征集合和第二特征集合进行特征选择；将特征选择的结果利用夏利普可解释的方法进行特征的可解释分析，并利用百分位数对低血压相关因素参考区间的范围进行预测。通过本发明提出的方法，可实现对血液透析低血压的强解释预测。
-
公开(公告)号：CN117334352A
公开(公告)日：2024-01-02
申请号：CN202311578997.4
申请日：2023-11-24
Applicant: 北京邮电大学
Abstract: 本申请提出了一种基于多元角色知识图谱的高血压诊疗决策推理方法与装置，该方法包括：根据多元角色知识范式和产生式规则构建高血压诊疗知识图谱，基于知识图谱归纳和抽象出高血压诊疗时的动作开发多个单跳推理算子，通过推理引擎在高血压诊疗知识图谱中实现多跳推理对患者状态进行更新，得到患者的血压等级与高血压危险分层，依据用药决策生成治疗措施与多种候选用药方案，并记录多种候选用药方案涉及的决策原因，根据药物推荐机制考虑被推荐药物的适应症、禁忌症、用药方案对各候选用药方案进行评分，得到推荐列表和警示列表。本申请能够实现高血压患者的精确诊断与用药，并且构建的框架十分通用，易于拓展到其他疾病的诊疗决策领域。
-
公开(公告)号：CN116092697A
公开(公告)日：2023-05-09
申请号：CN202211281712.6
申请日：2022-10-19
Applicant: 北京邮电大学 , 首都医科大学附属北京安贞医院
IPC: G16H70/40 , G16H50/70 , G16H20/10 , G06F16/36 , G06F16/332
Abstract: 本发明提出一种基于三层超关系知识图谱模型的药物推荐方法及装置，其中方法包括：获取目标用户的用户属性信息，用户属性信息包括患病情况、临床症状、体格检查、生理状态信息；基于超关系知识图谱构建三层超关系知识模型，将用户属性信息输入三层超关系知识模型中转化为图查询语句的搜索条件；利用搜索条件翻译出正确的图数据库查询语句，通过调用图数据库搜索引擎根据预设的推理条件得出推理结果；将推理结果添加到用药方案，根据用药方案获取目标药物，并将目标药物推送给目标用户。本发明实现了基于医学规则的药物推荐辅助决策应用。
-
公开(公告)号：CN116028610A
公开(公告)日：2023-04-28
申请号：CN202310113776.3
申请日：2023-02-15
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明提出一种超关系知识图谱上的n元复杂查询嵌入方法，包括：根据超关系知识图谱构建复杂知识问答数据集；复杂知识问答数据集，包括多个一阶逻辑FOL问答查询计算图；获取N元FOL查询，根据N元FOL查询构建n元FOL查询计算图，以N元FOL查询中的实体作为锚节点，将实体的模糊向量嵌入作为锚节点嵌入；使用Projection操作得到所n元FOL查询计算图中每个锚节点对应的子查询的预测值嵌入；使用逻辑运算符对预测值嵌入进行变换；利用变换后的预测值嵌入和复杂知识问答数据集中的全体实体的嵌入时间计算相似度，获得N元FOL查询的答案实体。通过本发明提出的方法，能够处理任意n元事实中的任意位置实体查询，同时能满足n元关系查询中的所有类型的FOL查询。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.078 seconds)
