更新时间：2026-08-15 00:00:12
已登记
详细信息
-
知识产权名称
自杀风险筛查数据
-
登记编号
DIP2024000005224
-
申请人
浙江连信数字有限公司
-
登记类型
首次登记
-
登记有效期
3年
-
申请时间
2024-08-08 09:48:29
详细信息
-
所属行业
卫生和社会工作
-
交易状态
待交易
-
数据规模
993
-
更新频次
每日更新
-
应用场景
通过采集心理诊疗中的记录，并通过数据处理和数据加工流程，将标注过的数据被转化为自杀预警模型的高质量、高标注准确性的训练集。这些数据包括企业采集的应用上、人工咨询的记录相关的自杀相关语料。首先，人工标注这些数据以确保标注的准确性和一致性。接着，构建一个包含自杀预警相关信息的RAG知识库，用于在训练和推理过程中搜索相似的意图和情景。通过心理大模型通过该知识库选择出符合的预警结果，并经过超参数调优和模型优化以提升其准确性和鲁棒性。最终，训练好的自杀预警模型能够准确识别自杀意图并提供预警结果，广泛应用于社交媒体监控、心理健康热线、在线心理咨询、学校心理健康管理等多个场景，辅助心理健康专业人士进行干预和治疗。
-
算法规则简要说明
(1) 数据来源：原始数据来源于企业应用（连小信APP、洞见人和大模型官网、人工咨询记录）中的自杀相关语料。 (2) 数据处理和标注：对收集到的语料进行清洗和标准化处理，确保数据质量。通过人工标注这些数据，同时设置审核机制，以确保标注的准确性和一致性。 (3) RAG知识库构建：构建一个包含自杀预警相关信息的RAG知识库，用于在训练和推理过程中搜索相似的意图和情景。 (4) 深度学习架构选择：选择适合处理文本数据的深度学习架构，如Transformer模型（如BERT或GPT-4）。 (5) 模型训练：在标注好的数据集上训练深度学习模型，通过监督学习的方式让模型学习识别自杀意图。使用交叉验证和不同性能指标（如准确率、召回率）评估模型的识别能力。 (6) 超参数调优：进行超参数调优，包括学习率、批量大小、网络层数等，以优化模型性能。 (7) 模型优化与验证：根据评估结果，对模型进行剪枝、正则化等优化措施。在独立的测试集上验证模型的性能，确保模型在未见数据上也能表现良好。 (8) 预警结果生成：通过训练好的模型和RAG知识库，实时分析输入的语料，搜索相似的意图，并生成符合的预警结果。
-
更新频次
每日更新
-
存证平台
浙江省知识产权区块链公共存证平台
