买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉浙江大学申请的专利基于李氏人工肝病历的多层次语义文本分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116467440B 。

龙图腾网通过国家知识产权局官网在2025-06-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310330319.X，技术领域涉及：G06F16/353；该发明授权基于李氏人工肝病历的多层次语义文本分类方法是由金心宇;李峰;金昀程;张杰;龚善超设计研发完成，并于2023-03-30向国家知识产权局提交的专利申请。

本基于李氏人工肝病历的多层次语义文本分类方法在说明书摘要公布了：本发明涉及医学自然语言处理技术领域，具体是基于李氏人工肝病历的多层次语义文本分类方法，过程为：采集病历中现病史、主诉和既往史的文本数据；将主诉和既往史的文本先进行预处理再输入基于多层次语义的文本表示网络分别获得主诉词向量矩阵和既往史词向量矩阵，将现病史的文本分割为句子序列进行预处理后经过基于多层次语义的文本表示网络再经平均池化后获得现病史词向量矩阵，主诉词向量矩阵、既往史词向量矩阵和现病史词向量矩阵分别经过特征提取网络后通过特征融合预测网络输出分类结果。本发明相较于现有的直接将各段文本拼接进行分类的方法，充分有效利用了现病史、主诉和既往史三个文本的语义信息，提高了预测的准确性。

本发明授权基于李氏人工肝病历的多层次语义文本分类方法在权利要求书中公布了：1.基于李氏人工肝病历的多层次语义文本分类方法，其特征在于，过程如下： S1、采集患者的病历文本数据，包括现病史、主诉和既往史的文本数据； S2、将主诉和既往史的文本数据经过预处理后获得的各自的分词序列和分字序列输入基于多层次语义病历理解的特征拼接分类网络，将现病史的文本数据根据句号分割为句子序列再进行预处理后，获得的现病史的分词序列和分字序列输入基于多层次语义病历理解的特征拼接分类网络，基于多层次语义病历理解的特征拼接分类网络包括基于多层次语义的文本表示网络、特征提取网络和特征融合预测网络； S2.1、预处理后主诉的分词序列和分字序列经过基于多层次语义的文本表示网络后获得主诉词向量矩阵； S2.2、预处理后既往史的分词序列和分字序列经过基于多层次语义的文本表示网络后获得既往史词向量矩阵； S2.3、预处理后现病史的的分词序列和分字序列经过基于多层次语义的文本表示网络，再经平均池化后获得现病史词向量矩阵； S2.4、将主诉词向量矩阵、既往史词向量矩阵和现病史词向量矩阵分别经过特征提取网络提取特征后分别获得主诉特征、既往史特征和现病史特征； S2.5、将主诉特征、既往史特征和现病史特征通过特征融合预测网络输出分类结果； 基于多层次语义的文本表示网络将输入文本映射为词向量矩阵的过程为： 对输入文本进行分词和分字，并将词语和字替换为对应词表、字表的序号，获得分词序列和分字序列；分词序列经过词向量位置编码融合网络映射为融合复数形式位置编码的词向量矩阵，分字序列经过字向量位置编码融合网络映射为融合复数形式位置编码的字向量矩阵；然后每个词向量矩阵和对应的字向量矩阵进行拼接并经过全连接层得到新的词向量矩阵E∈Rk×D，k表示输入文本的长度，D表示一个词语映射成的词向量的维度，将新的词向量矩阵E∈Rk×D经过词向量上下文信息提取网络，对每个新的词向量矩阵E∈Rk×D在指定的上下文窗口内计算融合上下文信息得到词向量矩阵； 词向量位置编码融合网络的处理过程为： 将分词序列分别通过两个embedding层，生成词向量的振幅向量rw和位置编码的角频率ωw，并计算： 其中g·:N→FD是将一个词语的序号映射为D维的函数，pos指得是一个字在一个词语中的位置序号； 再拼接式1函数的实部和虚部[rwcosωwpos；rwsinωwpos]作为词向量位置编码融合网络的输出。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。