公开(公告)号：CN119418691A

公开(公告)日：2025-02-11

申请号：CN202510005682.3

申请日：2025-01-03

Applicant: 华侨大学

Inventor： 周浩 ,  王华珍 ,  戴朝 ,  陈建国 ,  马贺阳

IPC: G10L15/10 ,  G10L15/14 ,  G09B7/02 ,  G09B19/06

Abstract: 本发明公开了基于偏误字典和序列对齐的中文口音偏误评估方法与系统，涉及文本分析技术领域，方法包括如下步骤：采集评估对象朗读标准音素文本的语音信号，识别生成待评估音素文本；对比待评估音素文本和标准音素文本，构建口音偏误字典；基于口音偏误字典计算待评估音素文本和标准音素文本的编辑距离；基于编辑距离评估该评估对象的口音偏误。本发明构建了一个详尽的口音偏误字典，在此基础上利用Levenshtein序列对齐算法进行待评估文本与标准文本的编辑距离计算，再基于字典统计字典偏误编辑距离以及其它错误编辑距离；通过对这两个距离进行加权向量得到了一个综合的偏误量化得分，该得分能够更准确地反映学习者的口音偏误程度。

公开(公告)号：CN114860877B

公开(公告)日：2024-10-29

申请号：CN202210464241.6

申请日：2022-04-29

Applicant: 华侨大学

Inventor： 王华珍 ,  张恒彰 ,  刘晓聪 ,  汪晓凤 ,  徐婷婷 ,  李弼程 ,  缑锦

IPC: G06F16/33 ,  G06F16/332 ,  G06F16/36 ,  G06F40/211 ,  G06F40/295

Abstract: 本发明公开了一种基于知识图谱关系预测的问题链生成方法及系统，能够基于问句知识图谱自动生成问题链，包括：基于问句知识图谱构建问题链数据集；对问题链的问句实体进行特征初始化，并通过特征融合方法获得问题链的融合头实体和待测尾实体的初始向量；将融合头实体和待测尾实体的初始向量送入QCG‑KGLP模型的Graph Attention图表示学习模块中，从而获得融合头实体和待测尾实体的表示向量；将融合头实体和待测尾实体的表示向量输入到QCG‑KGLP模型的convKB模块中进行链接预测，从而实现问题链生成。本发明能有效生成适应教学场景的有关联、有梯度的问题链，从而助力教师开展提问教学与提升学生思维能力。

公开(公告)号：CN118690947A

公开(公告)日：2024-09-24

申请号：CN202410694062.0

申请日：2024-05-31

Applicant: 华侨大学

Inventor： 李弼程 ,  丁吴凯 ,  曾荣燊 ,  皮慧娟 ,  王华珍 ,  王成

IPC: G06Q10/063 ,  G06Q50/00 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于异构图卷积网络的信息传播预测方法，包括以下步骤：构建并训练基于异构图卷积网络的信息传播预测模型，用于实现信息传播预测；所述信息传播预测模型的预测过程包括：根据用户社交关系和信息传播序列构建异构图；通过双向图卷积网络从异构图中学习到用户节点的表示；通过时序注意力机制获取用户节点的时序特征；通过结构注意力机制获取用户节点的结构特征；融合时序特征和结构特征以获取最新用户节点表示；多头注意力机制根据最新用户节点进行预测，输出当前信息的传播预测序列。本发明利用双向图卷积网络来学习用户结构特征、利用注意力机制获取用户的时序特征，充分利用用户特征，从而提高信息传播预测的性能。

公开(公告)号：CN118609782A

公开(公告)日：2024-09-06

申请号：CN202410766119.3

申请日：2024-06-14

Applicant: 华侨大学

Inventor： 王华珍 ,  尹积余 ,  方昱龙 ,  何霆

IPC: G16H40/20 ,  G06N5/022 ,  G06F16/31 ,  G06F16/36

Abstract: 本发明提供的一种多层次评估护理序贯决策方法、装置、设备及介质，涉及智能护理技术领域，本发明方法包括获取决策需求描述语句，并对其进行预处理，提取得到病人的护理评估项集等参数；然后，利用NANDA案例集计算向量余弦相似度，得到护理问题集；采用贪婪搜索算法,以护理问题为起始点,逐层追踪与该护理问题相连的后续节点对象，得到候选护理决策链集；最后，对每个序贯决策步骤预设不同权重，计算每条候选护理决策链的综合优劣度，得到量化评估结果；并对其归一化，得到评分值，选择评分值排名前K的决策链作为推荐决策。本发明能从数量庞大的候选护理决策链中筛选出想要的最为有效的决策链，为临床护士提供精准且有针对性的护理决策方案。

公开(公告)号：CN117952088A

公开(公告)日：2024-04-30

申请号：CN202410089874.2

申请日：2024-01-22

Applicant: 华侨大学

Inventor： 王华珍 ,  江鑫伟 ,  戴朝 ,  林海斌 ,  周浩

IPC: G06F40/253 ,  G06F40/284 ,  G06F40/242 ,  G06F16/335 ,  G06F16/33 ,  G06F40/30

Abstract: 本发明提供一种等级标准语法点检测方法、装置、设备及存储介质，首先构建等级标准语法库，将等级标准语法大纲进行结构化划分，将等级标准的语法点内容与对应语法点编号组合分成各语法点列表集；将待检测文本进行分词，将分词结果依次与所述等级标准语法库进行语法点检测匹配，将获得的语法点检测匹配结果存入命中语法点列表；输出命中语法点列表，即为待测文本的等级标准语法匹配命中的检测结果。本发明结合自然语言处理技术与正则规则，构建等级标准语法库，实现文本从词语、固定搭配、模式、词性、短语、句法依存、语义这7个层面进行智能语法点检测，为自然语言处理和智适应教学的研究等方面带来积极的影响。

公开(公告)号：CN117473994A

公开(公告)日：2024-01-30

申请号：CN202311186630.8

申请日：2023-09-14

Applicant: 华侨大学

Inventor： 王华珍 ,  张子龙 ,  苏晓波 ,  蘇翠航 ,  何霆 ,  李弼程

IPC: G06F40/295 ,  G06F40/289 ,  G06F40/284 ,  G06F40/242 ,  G06F18/214

Abstract: 本发明提供一种面向国际中文教育的多义词阅读理解题目生成方法及系统，方法包括如下步骤：S1，通过实体抽取技术构建出等级标准多义词词表；S2，根据所述等级标准多义词词表形成标准多义词训练集，基于标准多义词训练集构建转导推理多义词义项识别模型；S3，基于转导推理多义词义项识别模型，采用模板法智能生成多义词阅读理解题目。本发明以《国际中文教育中文水平词汇等级标准》为核心，以多义词智能识别模型为支撑，实现国际中文多义词题目的智能生成。本发明能够为多义词题库智能生成注入新鲜活力，实现汉语资源的科学利用，不仅为多义词题库构建提供可借鉴的技术路线，也扩充了国际中文多义词题库，提供未来研究和应用开发的语料库支持。

公开(公告)号：CN116070786A

公开(公告)日：2023-05-05

申请号：CN202310212028.0

申请日：2023-03-07

Applicant: 华侨大学 ,  中国医学科学院阜外医院

Inventor： 王华珍 ,  刘立旻 ,  许泽 ,  何霆 ,  李弼程

IPC: G06Q10/04 ,  G06F16/28 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明实施例提供一种基于事件演化图的多标记事件预测方法、装置和介质，涉及事件预测技术领域。其中，这种多标记事件预测方法包含S1、获取已知事件链。S2、根据事件演化图，获取候选事件组合集。其中，事件演化图根据历史数据集构造，且包含顺承关系和同时关系。候选事件组合集包含多个候选事件组合。候选事件组合包含1个或多个候选事件。S3、将已知事件链和候选事件组合集输入预先训练好的多标记事件预测模型，获取预测发生事件。预测发生事件为候选事件组合集中的一个候选事件组合所包含的候选事件。其中，多标记事件预测模型包括编码器、门控图神经网络、筛选模型、解码器。

公开(公告)号：CN115063251A

公开(公告)日：2022-09-16

申请号：CN202210601033.6

申请日：2022-05-30

Applicant: 华侨大学

Inventor： 李弼程 ,  曾荣燊 ,  潘乐 ,  皮慧娟 ,  王华珍 ,  王成

IPC: G06Q50/00

Abstract: 本发明公开了基于关系强度与反馈机制的社交传播动态网络表示方法，属于社交传播领域，包括：基于关系强度将社交传播动态网络划分为关系网络与传播网络；对传播动态网络进行描述；对社交传播网络中的节点表示；更新相关节点的邻接矩阵与注意力权重，同时聚合节点信息并反馈节点变化信息，最后结合自相关项与时间项更新节点表示；将attention机制应用到动态的模型中来度量各个节点的权重，考虑网络动态变化对attention的影响；本发明提供的方法用于社交传播动态网络表示，进行动态链接预测任务，解决了动态网络表示的及时性问题。

公开(公告)号：CN114863234A

公开(公告)日：2022-08-05

申请号：CN202210464131.X

申请日：2022-04-29

Applicant: 华侨大学

Inventor： 王华珍 ,  刘晓聪 ,  陈坚 ,  何霆

IPC: G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于拓扑结构保持的图表示学习方法及系统，能在保持图数据拓扑不变性的前提下，融合拓扑结构和语义特征来共同提高图表示学习的质量；方法包括：针对图数据的特性，设计拓扑结构保持的自监督任务；输入图数据，使用图卷积神经网络对其进行特征编码，从而学习到节点的初始向量表示；将学习到的节点初始向量表示输入到TGSSL(Topology‑preserving Graph Self‑Supervised Learning)模型进行图自监督学习，最终在结构保持的基础上获得高质量的节点向量表示。本发明能有效解决现有图表示学习方法在学习节点向量时无法有效融合结构信息的问题。

公开(公告)号：CN110060749B

公开(公告)日：2022-07-01

申请号：CN201910284998.5

申请日：2019-04-10

Applicant: 华侨大学

Inventor： 王华珍 ,  李小整 ,  何霆 ,  吴谨准

IPC: G16H10/60 ,  G06F40/284 ,  G06F40/30

Abstract: 本发明公开了一种基于SEV‑SDG‑CNN的电子病历智能诊断方法，包括：挖掘医疗领域词汇来构建浅层语义词汇词典；基于浅层语义词汇生成文本语料中每一个词的浅层语义向量表达SEV；利用浅层语义词汇词典计算每一条语料的浅层语义预判模式SDG；将SEV和SDG融入传统CNN分类模型构建中，即在特征表达层将SEV与词嵌入向量进行拼接，在模式输出层将SDG和CNN判别模式进行融合，从而实现改进的SEV‑SDG‑CNN分类模型。本发明应用在电子病历疾病诊断中，能充分提取专业性极强、知识密度极高的电子病历所蕴含的大量丰富语义信息，并得益于CNN能从大数据中自动挖掘特征的优势，使得电子病历智能诊断方法具有较高的性能。