申请/专利权人：神州医疗科技股份有限公司

申请日：2023-12-05

公开（公告）日：2024-03-12

公开（公告）号：CN117349676B

主分类号：G06F18/214

分类号：G06F18/214;G06F18/2415;G06F18/2431;G06F16/25

优先权：

专利状态码：有效-授权

法律状态：2024.03.12#授权;2024.01.23#实质审查的生效;2024.01.05#公开

摘要：本发明提供了基于mq端口和redis数据库的模型训练方法及系统，该方法包括以下步骤：将现有医疗数据的数据格式进行统一，并作为训练集；利用训练集对预测模型进行训练；利用预测模型输出预测结果，将预测结果和审核结果存储于数据库并进行对比；若预测结果进行过修改，则将审核结果作为正例数据，预测结果作为负例数据，并将所述正例数据和对应的负例数据作为一条样本存储于积存数据库中；将积存数据库中的样本作为自训练集输入预测模型，对预测模型重新训练，并将积存数据量重置为零。本发明将预测模型的输出结果进行存储以及发送人工审核，同时利用审核结果以及预测结果的对比，生成新的训练集，并对原预测模型进行重新训练。

主权项：1.基于mq端口和redis数据库的模型训练方法，其特征在于，包括以下步骤：S1：将现有医疗数据的数据格式进行统一，并作为训练集；S2：构建预测模型，利用训练集对预测模型进行训练，所述预测模型包括：linear层、多头矩阵计算层以及softmax层；S3：根据用户输入，利用预测模型输出预测结果，同时对预测结果进行人工审核得到审核结果，并将预测结果和审核结果存储于redis数据库；S4：判断审核结果是否进行过修改，若进行过修改，则将审核结果作为正例数据，预测结果作为负例数据，并将所述正例数据和对应的负例数据作为一条样本存储于积存数据库中，积存数据量+1；S5：当积存数据量大于预设数据量阈值时，将积存数据库中的样本作为自训练集输入预测模型，对预测模型重新训练，并将积存数据量重置为零，重复S3-S5；所述S2包括：S21：在linear层对输入数据进行多维向量转化，具体计算为： ；其中，表示输入的字符Token的数字id表示，W代表linear层的权重矩阵，T代表进行矩阵转置，b代表linear层的偏置权重矩阵，为linear层的输出结果；S22：将linear层的计算结果输入多头矩阵计算层，具体计算为： ；其中，、、分别表示不同的权重矩阵，、、分别为不同的偏置矩阵，表示多头矩阵计算层的输出；S23：通过softmax层进行归一化计算： ；其中，表示softmax层的输出，代表以自然常数e为底的指数函数，i和j分别代表第i和第j个输入。

全文数据：

权利要求：

百度查询： 神州医疗科技股份有限公司 基于mq端口和redis数据库的模型训练方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD