医学短文本数据负样例采样方法及医学诊断标准术语映射模型训练方法
本发明涉及医学短文本数据负样例采样方法及医学诊断标准术语映射模型训练方法,包括:基于原始医学诊断数据得到待映射文本,进而生成训练集,验证集,测试集、基于标准术语集和待映射文本集合生成正样例集合、对于正样例集合中的任意正样例,基于相似度计算函数生成候选负样例集合、获取正样例集合的一个子集,对于其中的每个正样例,从候选负样例集合中抽取部分或全部负样例生成训练集,将正样例集合的子集与训练集合并后形成一个训练批次、将训练批次带入神经网络模型中进行训练。本发明提取负样例更具代表性,分别提起正负样例对修改的模型进行模拟训练,实现对模型进行泛化改进,模型的性能得到提升,提升了对未知细粒度术语的识别泛化性。
《医学短文本数据负样例采样方法及医学诊断标准术语映射模型训练方法》是一发明专利,专利号为 202010159004X,当前法律状态为已下证,由杭州麦歌算法科技有限公司提出申请,发明人为刘霄;赵鑫,申请日期为2020-03-09,公开(公告)日期为2023-10-27,国际专利分类号(IPC)为 G06F 18/214 (2023.01),高新资质:已报高企,所属技术领域包括:生命健康技术领域 智慧医疗 AI医疗 医疗计算机领域 电子病历 病历文本分析 神经网络的机器学习、模型训练。该专利已下发证书,权利稳定,适合直接办理转让过户,是企业申报高企、项目招投标、质押融资的优质标的。赋翼网提供从选品、尽调、合同签订到官方著录项目变更(过户)的一站式专利转让服务,专业顾问全程协助,确保交易合规、安全、高效。专利摘要:本发明涉及医学短文本数据负样例采样方法及医学诊断标准术语映射模型训练方法,包括:基于原始医学诊断数据得到待映射文本,进而生成训练集,验证集,测试集、基于标准术语集和待映射文本集合生成正样例集合、对于正样例集合中的任意正样例,基于相似度计算函数生成候选负样例集合、获取正样例集合的一个子集,对于其中的每个正样例,从候选负样例集合中抽取部分或全部负样例生成训练集,将正样例集合的子集与训练集合并后形成一个训练批次、将训练批次带入神经网络模型中进行训练。本发明提取负样例更具代表性,分别提起正负样例对修改的模型进行模拟训练,实现对模型进行泛化改进,模型的性能得到提升,提升了对未知细粒度术语的识别泛化性。
海量优质专利即买即用,四大核心优势助您弯道超车:
🏆 拿资质,享红利:高企认定、专精特新必备!轻松获取政府补贴、税收减免,招投标直接加分!
💎 增信誉,融资金:支持实缴注册资金,彰显企业硬实力;支持专利质押贷款,盘活现金流,扩张不缺钱!
🔥 强背书,防抄袭:印上“专利产品”,客户更信赖!构建技术壁垒,把竞争对手挡在门外,稳占市场份额!
🚀 省时间,快变现:告别漫长研发与高风险!优质专利即买即用,让技术立刻变成真金白银的利润!
