专利名称：基于BERT和双分支网络的胃镜文本分类系统      申请号：2022107363458     转让价格：面议  收藏
法律状态：授权未缴费   类型：发明   关键词：自然语言处理 智慧医疗 医疗诊断   相似专利 发布日：2025/03/25  
摘要： 本发明属于自然语言处理领域，提供一种基于BERT和双分支网络的胃镜文本分类系统，获取待分类的胃镜文本数据；从待分类的胃镜文本数据中分离镜下所见文本和病理诊断文本；对镜下所见文本和病理诊断文本分别进行切分，获得由若干文本单元组成的集合，即文本单元集合；在所述文本单元集合内的每个文本单元前插入[CLS]标记，每个文本单元后插入[SEP]标记，并将它们重新组合成一段连续的文本；使用预训练好的BERT模型提取每个[CLS]字符对应的文本特征向量，得到文本单元的特征向量集合；基于文本单元的特征向量集合，利用预先训练好的MLP双分支分类网络中进行文本分类。采用先对文本进行切分再进行分类的方法实现对胃镜文本分类，保留胃镜文本中胃的部位信息。

专利名称：一种改进的用于命名实体识别的主动学习方法      申请号：2018116244112     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：自然语言处理 训练模型 数据算法   相似专利 发布日：2024/12/13  
摘要： 本发明公开一种改进的用于命名实体识别的主动学习方法，包括：1、获取初始的数据集，将训练集中的实体作为已登录实体存储到实体词库；2、设置模型性能标准，基于初始训练集得到初始模型，判断模型性能是否达标；3、用当前模型对未标注样本进行预测，用实体词库对未标注样本中的已登录实体进行标记，然后在实体粒度上分别从三种情况计算不确定性；4、赋予三种不确定性权重参数，并加权求和作为最终的不确定性；5、将模型对未标注样本的的不确定性进行排序，选择不确定性最高的样本进行标注，并更新训练集和实体词库；6、基于新训练集重新训练模型，并判断模型性能是否达标。本发明在实体粒度上更加精细和全面地考虑了预测结果的不确定性。

专利名称：基于时序交互图神经网络的文本分类方法、装置及介质      申请号：2021113436269     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：自然语言处理 文本分析 机器学习算法   相似专利 发布日：2024/08/27  
摘要： 本发明公开了一种基于时序交互图神经网络的文本分类方法，该方法包括：获取文本数据以及文本数据对应的标签值，并将文本数据构建为自适应图结构数据；基于自适应距离权重算法对图节点集合和图有向边集合进行处理，得到输入特征矩阵；将所述输入特征矩阵和所述标签值输入到时序交互图神经网络模型中，得到所述文本数据的总损失值；基于总损失值、交叉熵损失函数和梯度下降算法对时序交互图神经网络模型的模型参数进行更新优化，得到训练文本分类模型。本发明还公开了一种文本分类装置和一种介质。本发明能够实现增强图神经网络的特征提取能力，改善图读出器函数对文本数据的表达以及分类，降低图神经网络出现过度平滑问题出现的概率。

专利名称：一种基于自然语言处理的人机验证方法和系统      申请号：2019112338153     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 自然语言处理   相似专利 发布日：2023/10/17  
摘要： 提出一种基于自然语言处理的人机验证方法和系统，通过若干方法获取用于进行人机验证的中文/英文语料；利用现有的语料库单词转换为多维词向量来分析单词与单词之间的关系，挖掘语料库中单词的联系；利用现有的一部分语料库凭借词向量构建人机验证模型；将用户输入的验证答案输入模型进行判断；将人类输入结果作为标签、训练集进行交叉验证，进行训练合并至原有验证集。基于自然语言处理的人机验证系统及方法对用户进行人机验证，降低互联网受到恶意攻击的风险，可用于登陆、注册等网络场景下对用户进行人机验证并生成自然语言训练语料集。

专利名称：基于自然语言处理的人物关系分析方法      申请号：2017114002449     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词： 自然语言处理   相似专利 发布日：2022/08/31  
摘要： 本发明公开了一种基于自然语言处理的人物关系分析模型的构建方法，方法包括：读取待分析的文本文件并输入待分析文本；替换文本中相同人物的不同称呼，并统一到每个人物有唯一称呼；按照设定的规则对文本进行断句，将文本拆分为句子；运用分词技术为每个句子分词，并标注词性；提取每个句子中的人名词，并按两个一组做数学组合，得到多组人名组合；汇总统计每个人名出线的次数；汇总统计每组人名组合出现的次数；根据汇总信息输出人物关系图。本发明的模型实现高效、精准的人物关系分析，中间过程不需要任何人工操作，即使是非专业的分析人员也能够使用模型。