申请/专利权人:复旦大学
申请日:2024-01-02
公开(公告)日:2024-04-05
公开(公告)号:CN117831703A
主分类号:G16H20/00
分类号:G16H20/00;G16H50/70;G16H10/20;G16H10/60;G06N3/0464;G06N3/048;G06N3/0499;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.23#实质审查的生效;2024.04.05#公开
摘要:本发明公开了一种基于图神经网络与深度学习的失能老人照护方案推荐方法,采用护理需求调查表采集多位失能老人特征信息,确定照护项目标签,作为深度学习模型的训练数据;以老人和特征作为本体构建二部图结构图数据集,构建神经网络模型并基于二部图结构图数据集对该模型进行训练,得到照护方案推荐模型;将已填好的护理需求调查表数据作为预先训练好的深度学习模型的输入信息,预测得到该失能老人的照护方案。该方法以二部图的方式建模失能老人照护数据,充分保留原始数据中的样本特征及关系信息,适用于复杂而个性化的照护推荐任务,提高照护推荐模型预测时对样本全局信息的提取能力。
主权项:1.一种基于图神经网络与深度学习的失能老人照护方案推荐方法,其特征在于包括:采用护理需求调查表采集多位失能老人特征信息,确定照护项目标签,作为深度学习模型的训练数据;以老人和特征作为本体构建二部图结构图数据集,构建神经网络模型并基于二部图结构图数据集对该模型进行训练,得到照护方案推荐模型;将已填好的护理需求调查表数据作为预先训练好的深度学习模型的输入信息,预测得到该失能老人的照护方案。
全文数据:
权利要求:
百度查询: 复旦大学 基于图神经网络与深度学习的失能老人照护方案推荐方法
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。