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！

龙图腾网获悉华东师范大学申请的专利一种基于预训练模型和图卷积网络的医疗实体链接方法及系统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：CN115391688B 。

龙图腾网通过国家知识产权局官网在2025-12-09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：202211012640.5，技术领域涉及：G06N5/022；该发明授权一种基于预训练模型和图卷积网络的医疗实体链接方法及系统是由浦天岭;姚俊杰设计研发完成，并于2022-08-23向国家知识产权局提交的专利申请。

本一种基于预训练模型和图卷积网络的医疗实体链接方法及系统在说明书摘要公布了：本发明公开了一种基于预训练模型和图卷积网络的医疗实体链接方法，包括建立医疗实体链接数据集及生成自监督数据集；使用自监督数据集微调预训练模型；使用微调后的预训练模型对实体提及以及实体进行嵌入，对每一个实体提及，计算其相似度，对实体相似度进行排序得到知识库中与每一个实体提及最相似的候选实体；将一个实体提及与对应的候选实体组合起来，得到数据对，使用预训练模型对其嵌入初始化图节点表示，使用实体提及和对应的候选实体构建图卷积网络，使用图卷积网络对数据对构成的图进行学习，对于用于初始化图节点初始化嵌入的预训练模型的参数使用较小学习率学习；对节点打分后排序，选择得分最大的节点中的实体作为实体链接的结果。

本发明授权一种基于预训练模型和图卷积网络的医疗实体链接方法及系统在权利要求书中公布了：1.一种基于预训练模型和图卷积网络的医疗实体链接方法，其特征在于，包括如下步骤： 步骤一：建立医疗实体链接数据集及生成自监督数据集； 步骤二：使用自监督数据集微调预训练模型； 步骤三：使用微调后的预训练模型对实体提及以及实体进行嵌入，得到集合M的嵌入表示，集合N的嵌入表示，其中M表示实体提及集合，N表示实体的集合，对每一个实体提及Mi，计算其相似度，对实体Nj相似度进行排序得到知识库中与所述每一个实体提及最相似的候选实体； 步骤四：将一个实体提及与对应的候选实体组合起来，得到数据对，使用预训练模型对其嵌入初始化图节点表示，使用实体提及和对应的候选实体构建图卷积网络，使用图卷积网络对数据对构成的图进行学习，对于用于初始化图节点初始化嵌入的预训练模型的参数使用较小学习率学习；包括如下步骤： 步骤4.1：通过如下方式构建图卷积网络，图节点为实体与实体提及的嵌入初始化表示为其中E表示预训练模型，表示＝[CLS]mentioni[SEP]entityj，其中[CLS]，[SEP]为预训练模型中的特殊符号，分别用于表示输入的开始以及两个有意义字段的分隔；图为全连接无向图，任意两条边之间均有连接，连接边的权值为节点间的相似度其中表示全连接层，⊕表示连接，得到邻接矩阵步骤4.2：图卷积学习l‑1层与l层节点表示的更新方法如下所示： 其中，H0表示第0层产生的节点表示使用对每个节点初始化，Hl表示第l层产生的节点表示，σ1·表示sigmoid函数，σ2·表示tanh函数，⊙表示Hadamard逐点乘法算子，zl作为门来调节来自第l层的相邻对的信息，表示第l层要学习的参数，使用highway‑gate缓解图卷积网络在层数较多时会存在所有节点表示趋于相同的问题，即过于平滑，下标中Z,S Z,N O,S O,N表示不同的矩阵； 实体和实体提及结合后得到其中[CLS]，[SEP]为预训练模型中的特殊符号，分别用于表示输入的开始以及两个字段的分隔； 步骤五：训练分类器，对节点打分后排序，选择得分最大的节点中的实体作为实体链接的结果。

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华东师范大学，其通讯地址为：200241 上海市闵行区东川路500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”。

以上内容由龙图腾AI智能生成。