西南交通大学滕飞获国家专利权
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！
龙图腾网获悉西南交通大学申请的专利一种基于最邻近对比学习的小样本编码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：CN116842455B 。
龙图腾网通过国家知识产权局官网在2026-04-07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：202310685368.5，技术领域涉及：G06F18/2411；该发明授权一种基于最邻近对比学习的小样本编码方法是由滕飞;黄雯珂;周晓敏;冯建树;吕凤毛;郭劲宏设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。
本一种基于最邻近对比学习的小样本编码方法在说明书摘要公布了：本发明公开了一种基于最邻近对比学习的小样本编码方法，利用卷积神经网络和ICD编码描述捕捉文本语义特征，并利用注意力机制以捕获到与ICD信息关系密切相关的病历文本内容，使用额外的结构化知识的统一医学语言系统和ICD编码的树形层次结构来构建对比学习的正负样本，进而训练了一个针对同一个编码不同表述的自CMCL模型，使得同义表述和其缩写的特征表示在特征空间中更接近，不同编码的表述在特征空间中距离更远。最后利用k邻近模块整合训练集中已有知识获得最佳预测结果。
本发明授权一种基于最邻近对比学习的小样本编码方法在权利要求书中公布了：1.一种基于最邻近对比学习的小样本编码方法，其特征在于，包括以下步骤： S1、根据电子病历中的字符得到字符嵌入矩阵，并将电子病历序列向量化，得到特征向量； S2、将特征向量输入卷积神经网络得到上层序列向量，将ICD编码的编码描述进行处理，得到编码向量； S3、采用注意力机制计算上层序列向量和编码向量，得到高级别序列向量； S4、通过对比学习技术根据高级别序列向量建立对比学习损失函数，通过对比学习损失函数训练得到CMCL模型，并得到对比学习序列向量； S5、构建数据仓库，根据对比学习序列向量进行k邻近预测，得到数据仓库的最邻近集合，进而得到k邻近算法的预测结果； S6、根据对比学习序列向量得到CMCL模型的预测结果，并结合k邻近算法的预测结果进行标签判定得到最终的预测结果，得到预测标签，完成小样本编码。
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西南交通大学，其通讯地址为：610031 四川省成都市二环路北一段；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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励