[发明专利]一种基于开放性问答文本的抑郁症辅助检测方法

权利要求书

1.一种基于开放性问答文本的抑郁症辅助检测方法，其特征在于：

文本采集：使用语音识别技术提取对话文本；文本预处理：根据数据特征和模型设计，进行文本预处理；文本语义模型训练：对预处理的文本进行语义挖掘；文本模型预测：将语义挖掘模型输出的特征进行分类；模型自学习：随着见识的样本量增加，模型会自我迭代更新。

2.根据权利要求1所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，在所述的文本采集过程中，需要根据具体医生和患者对话长短，来选择合适的现有的语音识别技术。

3.根据权利要求1所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，在所述的文本预处理过程中，将开放性问答分成提问者文本和回答者回答文本，并将语音识别中的不足进行修复。

4.根据权利要求1所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，在所述的文本预处理，经过上一步处理后，将进行分词、生成词典、将文本映射到词典索引。

5.根据权利要求1所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，在所述的文本语义模型训练过程中，分文本语义挖掘部分，和文本语义特征抑郁性分类部分。

6.根据权利要求1所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，在所述的文本语义挖掘过程中，使用改进的BERT进行文本特征表示，输出具有语义的特征。

7.根据权利要求1所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，在所述的文本语义特征抑郁性分类过程中，利用全连接层进行和抑郁症量表的分数进行拟合。

8.根据权利要求7所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，在所述的语义特征分类在训练阶段结束时，自定义一个loss来避免现有的交叉熵loss只统计分类正确的类，从而出现过于自信的拟合现象，设计公式如下，其中y为真实标签，为预测值：

9.根据权利要求1所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，在所述的文本模型预测阶段，将输入待预测文本经过权利要求书中文本预处理并保存，将文本处理成模型可接受数据形式，然后输入训练好的模型中输出预测结果。

10.根据权利要求9所述的开放性问答文本的抑郁症辅助检测方法，其特征在于，本发明是一个具有自我更新学习的模型方法，为了实时性考虑，不进行获取一个样本就更新，而是设置一个阈值进行模型更新，具体实现是，如权利9将预测样本经过预处理后的样本进行保存，然后在将医生诊断结果进行保存，在达到一定量的更新样本量之后，自动启动模型更新，从而实现一个自我完善的抑郁症辅助检测方法。