车超
- 作品数：60 被引量：14H指数：1
- 供职机构：大连大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学经济管理医药卫生更多>>
- 一种基于多通道BiLSTM的疾病表型分类方法及系统
- 本发明公开了一种基于多通道BiLSTM的疾病表型分类方法及系统，涉及智能医疗技术领域；将MIMIC‑III数据集中的数据划分为结构化数据和分结构化数据。结构化数据，分别用连续向量和独热向量的形式表示其中的连续数值和分类数...
- 钟兆前魏小鹏车超王德聪
- 使用通道融合和序列平稳化策略的长期时间序列预测方法
- 2025年
- 长期时间序列预测在现实场景中扮演重要角色.先前的研究表明,基于Transformers的模型采用的逐点自注意力会增加计算复杂度,而基于线性结构和通道独立的模型可以获得更高的效率和准确性.然而,长期时间模式在不同通道之间也存在难以抽取的依赖关系.为了解决计算复杂度高和复杂时间模式难以捕捉的问题,该文提出了通道融合和序列平稳化模型,模型结合了通道独立与通道依赖的训练策略,基于线性结构发掘序列单个通道的相关性,并使用由傅里叶运算启发的卷积结构来自适应地融合不同的通道.同时,通过堆叠序列通道融合-分解模块,进一步提高模型的预测性能.此外,该文在子序列级别引入了平稳化与反平稳化模块,从而提高了模型的泛化能力.在长期预测方面,所提模型在3个通用时序数据集上的准确度超越了其他基准模型.
- 赵龙港车超车超
- 关键词：时间序列预测
- 幻觉主动缓解的糖尿病问诊大模型
- 2025年
- 糖尿病的治疗是一项长期且高度个性化的工作,给患者的日常生活带来了巨大负担。患者通过医学大语言模型进行糖尿病问诊能有效减轻患者的医疗负担,但大语言模型在处理医学等专业领域文本时更可能会产生幻觉,即错误、无意义或与输入不匹配的输出。且现有的幻觉缓解技术在医学领域的准确率并不理想,这会极大地影响大语言模型的准确率。为了解决这一问题,提出一种结合指令微调和检索增强生成的幻觉自查与主动缓解方法,主要在生成过程前对用户提问形成附加知识,在生成过程后通过相似度对比判断幻觉是否产生。实验在多个医学数据集上进行,在大规模糖尿病多轮对话数据集上取得了0.79的F1值、2.38的BLEU-4值和9.26的Rouge-l值,在准确率和生成效率方面均优于现有的大语言模型幻觉缓解技术。
- 张乐车超车超
- 关键词：糖尿病问答系统
- 一种融合GNN和ResNet的知识图谱推荐方法
- 本发明公开了一种融合GNN和ResNet的知识图谱推荐方法，包括：通过GNN模型分别嵌入用户项目二分图中的用户表示和知识图谱中的项目表示；在GNN模型每层的输出向量间添加残差连接，使得各层结点表示均具有区分度，以此保证每...
- 钟兆前车超刘媛媛
- 一种基于Bio-LinkBERT和上下文感知的医学实体消歧方法
- 本发明公开了一种基于Bio‑LinkBERT和上下文感知的医学实体消歧方法，包括：对医学文本中的所有提及和知识库中的实体名称进行预处理；通过相似度获得提及M的候选实体集；对医学文本中的提及和知识库中的候选实体使用Bio‑...
- 钟兆前车超 杨思雨
- 一种基于文本语序和多任务学习的医学命名实体识别方法
- 本发明公开了一种基于文本语序和多任务学习的医学命名实体识别方法，步骤1：爬取医学新闻中的生物医学文本；步骤2：使用PubMed数据库中的医学名词字典数据，标注生物医学文本；步骤3：使用PubMedBERT最后四层权重输出...
- 车超刘卓亚
- 一种融合多层药物结构信息的药物-靶点相互作用预测方法
- 本发明提供了一种融合多层药物结构信息的药物‑靶点相互作用预测方法。首先，对药物组学数据库中的药物和靶点信息进行预处理，提取具有相互作用的药物和靶点信息；其次，将药物SMILES分子指纹表示为分子图结构，使用分子补全图卷积...
- 车超 张培良
- 多角度构建实体交互特征的细粒度增量式三元组关系抽取方法
- 本发明公开了多角度构建实体交互特征的细粒度增量式三元组关系抽取方法，包括：使用预训练模型BERT获取句子S中每个token在上下文中的深层语义特征；双向映射模块FIERE将所有token的特征同时向头实体和尾实体特征空间...
- 张强钟兆前车超吴俊贤李家兴
- 一种基于多模组文本智能编码算法的海关进出口商品归类方法
- 本发明提出了一种基于多模组文本智能编码算法的海关进出口商品归类方法，该多模组文本智能编码算法使用海关知识库，通过多组智能处理模块对海关进出口商品申报文本进行文本标准化，降低商品申报文本信息熵。之后使用编码逻辑将文本转变为...
- 张强周成杰车超周东生
- 一种海关进出口商品税号预测方法
- 本发明公开了一种海关进出口商品税号预测方法，具体包括：步骤1：对海关进出口商品文本进行预处理，得到要素名称和要素内容；步骤2：将步骤1中得到的要素内容进行拆分，然后利用辅助网络进行差异性要素选择；步骤3：把步骤2中得到的...
- 车超周成杰张强
- 文献传递
