[发明专利]一种基于多任务学习的用户反馈分析方法

说明书

本发明涉及一种基于多任务学习的用户反馈分析方法，包括：步骤1，以文本形式收集用户对医院流程优化系统涉及的软硬件产品的反馈信息，并对用户反馈信息进行人工标注；步骤2，基于多任务学习模型及关系抽取模型对用户反馈信息进行分析，得到医院流程优化系统优化指导信息；步骤3，基于得到的医院流程优化系统优化指导信息对医院流程优化系统进行优化升级。本发明分析用户对医院流程优化相关产品的反馈评价，评估软硬件产品的用户满意度，可供后续有方向性的优化升级相应产品，提升用户体验。

技术领域

本发明属于医院流程优化技术领域，尤其涉及一种基于多任务学习的用户反馈分析方法。

背景技术

目前，医院一般依靠大数据、人工智能等“互联网+”应用手段，通过开发医院流程化系统提高医院内部管理水平，不断提升医疗服务水平。

任何应用、系统从研发到投入线上运行都需要一段“磨合期”，开发人员主要解决功能能否实现，而用户是最有资格说明功能是否实用，使用是否“顺手”。收集用户的使用反馈，指导开发人员有针对性地对系统持续优化升级，可以提高医疗门诊效率，提升用户满意度。

现有技术中将收集到的用户反馈信息按是否满意进行分类，由于多数大型的三甲医院人流量大，若采用人工分类耗时耗力且效率不高。采用直接以数字的形式打分进行对系统的评价，无法指导改进方案。

发明内容

本发明的目的是提供一种基于多任务学习的用户反馈分析方法，使用多任务联合训练框架，对评论文本进行定义抽取和词粒度BIO标注两项任务进行联合建模，通过增强推理BERT对实体关系进行分类，加上规则辅助对关系抽取任务进行预测，分析用户对流程优化产品的反馈信息，以指导产品后续持续的优化升级，不断提升医疗服务水平。

本发明提供了一种基于多任务学习的用户反馈分析方法，包括：

步骤1，以文本形式收集用户对医院流程优化系统涉及的软硬件产品的反馈信息，并对用户反馈信息进行人工标注；

步骤2，基于多任务学习模型及关系抽取模型对用户反馈信息进行分析，得到医院流程优化系统优化指导信息；

步骤3，基于得到的医院流程优化系统优化指导信息对医院流程优化系统进行优化升级。

进一步地，步骤1中所述反馈信息通过爬虫程序或后台接口直接读取，并存储于数据库。

进一步地，所述步骤2包括：

基于多任务学习模型进行联合学习，将联合学习得到的结果使用关系抽取模型进行关系抽取，通过模型融合得到最终用户反馈信息，对得到的最终用户反馈信息进程筛选排查，得到有用的系统优化指导信息。

进一步地，所述步骤2包括：

在对用户反馈信息进行分析之前通过语料清洗、分词、去除停用词操作对用户反馈信息进行数据预处理。

进一步地，步骤2中所述多任务学习模型包括：

文本分类模型，用于句子分类，用以判断某句子中是否有新的定义，作为任务1；

词粒度BIO标签预测模型，用于序列标注，作为任务2；

所述关系抽取模型，用于关系抽取，作为任务3。

进一步地，所述步骤2还包括：

对多任务学习模型采用先训练任务2，再训练任务1，交替训练的方法进行模型训练。

进一步地，步骤2中所述关系抽取模型采用增强推理BERT模型。

借由上述方案，通过基于多任务学习的用户反馈分析方法，分析用户对医院流程优化相关产品的反馈评价，评估软硬件产品的用户满意度，可供后续有方向性的优化升级相应产品，提升用户体验。