[发明专利]用于生成信息的方法和装置

权利要求书

1.一种用于生成信息的方法，包括：

获取描述同一病症的至少两种类型的病症描述信息，其中，病症描述信息的类型包括文本类型、语音类型或图像类型；

对于所获取的每种类型的病症描述信息，将该种类型的病症描述信息导入预先建立的与该种类型对应的特征提取模型，生成与该种类型的病症描述信息对应的特征信息，其中，特征提取模型用于表征病症描述信息与特征信息之间的对应关系；

将所生成的特征信息导入预先建立的特征融合模型，生成所述病症描述信息所描述的病症属于预定义的病症的概率值，其中，所述特征融合模型用于表征特征信息与概率值之间的对应关系。

2.根据权利要求1所述的方法，其中，所述图像类型包括至少两种子图像类型，与图像类型对应的特征提取模型包括所述至少两种子图像类型中的每种子图像类型对应的子图像特征提取模型，其中，子图像特征提取模型用于表征图像与图像特征信息之间的对应关系。

3.根据权利要求2所述的方法，其中，所述对于所获取的每种类型的病症描述信息，将该种类型的病症描述信息导入预先建立的与该种类型对应的特征提取模型，生成与该种类型的病症描述信息对应的特征信息，包括：

响应于确定所获取的至少两种类型的病症描述信息包括图像类型的病症描述信息，确定与所获取的图像的子图像类型对应的子图像特征提取模型，其中，所获取的图像是所获取的至少两种类型的病症描述信息中的图像类型的病症描述信息；

将所获取的图像导入所确定的子图像特征提取模型，生成所获取的图像的图像特征信息。

4.根据权利要求1所述的方法，其中，特征提取模型为神经网络模型，所述神经网络模型包括第一全连接层；以及

所述对于所获取的每种类型的病症描述信息，将该种类型的病症描述信息导入预先建立的与该种类型对应的特征提取模型，生成与该种类型的病症描述信息对应的特征信息，包括：

对于所获取的每种类型的病症描述信息，将该种类型的病症描述信息导入预先建立的与该种类型对应的特征提取模型，由该种类型的特征提取模型的第一全连接层输出与该种类型的病症描述信息对应的特征信息。

5.根据权利要求4所述的方法，其中，所述将所生成的特征信息导入预先建立的特征融合模型，生成所述病症描述信息所描述的病症属于预定义的病症的概率值，包括：

拼接至少两个特征提取模型的第一全连接层输出的特征信息；

将拼接后的特征信息导入所述特征融合模型。

6.根据权利要求1-5中任一项所述的方法，其中，特征提取模型和所述特征融合模型是通过以下步骤训练得到的：

获取至少两个初始第一神经网络和初始第二神经网络，其中，各个初始第一神经网络的输出为所述初始第二神经网络的输入，其中，特征提取模型基于初始第一神经网络得到，特征融合模型基于所述初始第二神经网络得到；

获取样本集，样本包括描述同一病症的至少两种类型的病症描述样本以及病症描述样本描述的病症所属的病症的病症标识；

利用所述样本集，对所述至少两个初始第一神经网络和所述初始第二神经网络进行训练，将训练后的初始第一神经网络作为特征提取模型，将训练后的初始第二神经网络作为特征融合模型。

7.根据权利要求6所述的方法，其中，所述特征融合模型包括第二全连接层，所述初始第二神经网络包括初始第二全连接层，其中，所述初始第二全连接层包括至少两个节点；以及

所述利用所述样本集，对所述特征提取模型对应的所述至少两个初始第一神经网络和所述初始第二神经网络进行训练，包括：

利用丢弃方法，将所述初始第二全连接层所包括的至少两个节点中的部分节点的权重置零。

8.一种用于生成信息的装置，包括：

获取单元，用于获取描述同一病症的至少两种类型的病症描述信息，其中，病症描述信息的类型包括文本类型、语音类型或图像类型；

第一生成单元，用于对于所获取的每种类型的病症描述信息，将该种类型的病症描述信息导入预先建立的与该种类型对应的特征提取模型，生成与该种类型的病症描述信息对应的特征信息，其中，特征提取模型用于表征病症描述信息与特征信息之间的对应关系；

第二生成单元，用于将所生成的特征信息导入预先建立的特征融合模型，生成所述病症描述信息所描述的病症属于预定义的病症的概率值，其中，所述特征融合模型用于表征特征信息与概率值之间的对应关系。