CN119475429A 一种针对诊疗数据的多模态知识图谱隐私保护嵌入方法 （四川省人工智能研究院）_第1页
CN119475429A 一种针对诊疗数据的多模态知识图谱隐私保护嵌入方法 （四川省人工智能研究院）_第2页
CN119475429A 一种针对诊疗数据的多模态知识图谱隐私保护嵌入方法 （四川省人工智能研究院）_第3页
CN119475429A 一种针对诊疗数据的多模态知识图谱隐私保护嵌入方法 （四川省人工智能研究院）_第4页
CN119475429A 一种针对诊疗数据的多模态知识图谱隐私保护嵌入方法 （四川省人工智能研究院）_第5页
已阅读5页，还剩22页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

一种针对诊疗数据的多模态知识图谱隐私本发明提供了一种针对诊疗数据的多模态诊疗数据在分析与推理过程中的安全性与可靠2S3、根据多模态注意力系数，通过堆叠多个S4、根据融合后的多模态知识图谱的结构化信息，2.根据权利要求1所述的针对诊疗数据的多模态知识图谱隐私保护嵌入方法，其特征S101、利用预训练的语言模型获取诊疗数据中实体和关系的句子级描述的上下文信S103、将诊疗数据中的实体数值特征依次进行编3.根据权利要求2所述的针对诊疗数据的多模态知识图谱隐私保护嵌入方法，其特征4.根据权利要求3所述的针对诊疗数据的多模态知识图谱隐私保护嵌入方法，其特征]5.根据权利要求4所述的针对诊疗数据的多模态知识图谱隐私保护嵌入方法，其特征3其中，MultiHead(r,")表示经过多头自注意力在不同的关系之间进行调整，表示第l层中从邻居节点j到中心节点i的注意力权重，"和节点j与i之间的关系进行特征转换。6.根据权利要求5所述的针对诊疗数据的多模态知识图谱隐私保护嵌入方法，其特征7.根据权利要求1所述的针对诊疗数据的多模态知识图谱隐私保护嵌入方法，其特征8.根据权利要求1所述的针对诊疗数据的多模态知识图谱隐私保护嵌入方法，其特征45678[0039]上述进一步方案的有益效果是：本发明通过聚合邻居节地衡量模型对三元组真实性的预测误差，从而优化多模态知识图谱补全模型的训练过程，9[0055]本发明提出一种基于自注意力图神经网络的多模态诊疗数据知识图谱隐私保护[0057]图聚合模块：在注意力层分数的指导下(这些分数考虑了诊疗数据中的多模态信[0063]为了将这些系数无缝集成到加权的信息聚合框架中，通过softmax函数进行归一KVKV[0074]随后，进行注意力得分计算，查询和键的对齐产生注意力得分，该得分通过[0082]如图1_2所示，本发明提供了一种针对诊疗数据的多模态知识图谱隐私保护嵌入嵌入矩阵和一个额外的模态矩阵。实体嵌入矩阵表示为EeR"",其中，第i行对应于实体ei的嵌入，Ne表示总实体数，T表示每个实体嵌入的特征维度。同时，关系嵌入表示为EeR"",模态矩阵EeR"C"封装多模态数据。由于实体与关系主要由文本信息和数值信过多跳特征进行的多次迭代捕获进入图的注意力层)。注意力参数bijk和αijk都指示实体ej不同的关系之间进行调整，表示第l层中从邻居节点j到中心节点i的注意力权重，表示一个组合函数，用于对节点i的嵌入"和节点j与i之间的关系进行特征表示邻居节点ej对于中心节点ei的注意力权重，表示邻居节点ej与关系k组合后的特

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论