[发明专利]基于词句分布表示的相似病例推荐系统及相应的方法

说明书

本发明涉及自然语言处理、信息检索和医疗数据挖掘等技术领域。尤其涉及一种应用于互联网问诊平台中的基于词句分布表示的相似病例推荐系统及相应的方法。本发明的系统包含数据模块、推荐模块、评估模块和在线模块；所述数据模块包含数据采集子模块、数据存储子模块、数据预处理子模块、分词子模块和词向量训练子模块；所述推荐模块包含决策子模块、语义相似度算法子模块、推荐排序子模块；所述在线模块包含推荐子模块和反馈子模块；数据模块将有效数据传送给推荐模块，推荐模块接收来自数据模块的数据和评估模块的指标，推荐相关病例，将推荐结果传递至在线模块；在线模块将推荐结果传递给用户，同时用户将推荐结果的反馈返回在线模块。

技术领域

本发明涉及自然语言处理、信息检索和医疗数据挖掘等技术领域。尤其涉及一种应用于互联网问诊平台中的基于词句分布表示的相似病例推荐系统及相应的方法，该系统能够利用互联网问诊平台资源优势，通过算法的改进和优化解决了词汇鸿沟问题，从语义层面实现互联网问诊平台相似案例的精准推荐。

背景技术

随着互联网的高速发展，互联网的接受程度越来越高。近年来，由于医疗资源紧张，看病贵、看病难等问题的不断出现，越来越多的人开始在网上查阅病情。互联网问诊平台是互联网在医疗领域的新应用。在线的问诊平台中，患者在平台的一端描述自己的病情症状，平台另一端的医生可以根据用户描述的症状及时地做出诊断，并且提供建议给患者，患者将医生回答的满意度反馈给系统。借助互联网问诊平台，医生和患者可以突破时间和空间限制，突破资源分配不均等限制。然而，许多患者面对的疾病和症状可能在此之前已有过相似的患者描述过并且已经得到了比较权威而且有效的解答。因此，将这些已经被医生回答且质量较高的相似病例自动推荐给患者作为参考有着重要的意义。一方面可以减少患者在线等待医生回复的时间，另一方面也可以使医生不必重复回答同一种疾病，同时也节省了医生的时间，节约了社会成本。

相似病例推荐，即根据在线用户中提交的病情描述，在庞大的历史数据库中匹配语义最相近的案例，将语义最相近的案例作为参考案例推荐给患者。所以，其核心任务是计算查询问题与历史问题之间的语义相似度。但是，自然语言提问方式的多样性和用户用词的差异性，给相似问题检索带来了巨大的挑战。两个语义相似的句子在语言表达形式和用词上可能完全不同，后者在自然语言理解领域，称之为词汇鸿沟(lexical gap)问题。经过对现有技术文献的检索发现，目前有许多的国内外学者对计算语义相似度有了一定的研究，如向量空间模型、BM25模型等，但是这些模型无法很好地解决“语义鸿沟”问题。相比而言，Jeon等人提出的基于翻译的方法(translation based method)在社区问答中得到了广泛的研究，并且实验结果表明，该方法可以有效解决词汇鸿沟问题。然而，实施基于翻译的方法所需的单语平行语料库不易获取，且大部分研究中假设问答对是平行语料库的做法并不实际。Word embedding相关的工作在语义相关性方面有显著的成效，如何融合现有技术，实现真正意义上的语义匹配，搭建智能推荐系统，是优化相似病例推荐的关键。

发明内容

本发明的目的在于克服现有技术的不足，提供一种适用于互联网问诊平台的相似病例精准推荐系统及相应的方法，该系统可以根据患者对疾病症状的描述在历史病例数据库中找到相似病例并推荐给患者作为参考。本模型方法也可以推广到其他的应用场景，如知识问答平台、一般社区问答平台等。

为了实现上述目的，根据本发明的一方面，提出了一种基于词句分布表示的相似病例推荐系统。本发明的具体技术方案为：