[发明专利]用于科室分诊的分诊模型的训练方法、分诊方法和系统在审
申请号: | 202011275299.3 | 申请日: | 2020-11-13 |
公开(公告)号: | CN112349410A | 公开(公告)日: | 2021-02-09 |
发明(设计)人: | 袁鹏;李浩然 | 申请(专利权)人: | 北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司 |
主分类号: | G16H50/20 | 分类号: | G16H50/20;G06F40/289;G06N3/04 |
代理公司: | 中科专利商标代理有限责任公司 11021 | 代理人: | 王文思 |
地址: | 100086 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 科室 模型 训练 方法 系统 | ||
1.一种用于科室分诊的分诊模型的训练方法,包括:
基于多个科室中每个科室的标注数据集以及所述科室在知识库中的科室描述文本,生成所述每个科室的关键词表,其中,所述每个科室的标注数据集包括针对该科室的多个病情描述文本;
针对每个科室的多个病情描述文本,利用第一网络模型对每个病情描述文本进行处理,得到每个病情描述文本的第一特征向量,并利用第二网络模型对所述每个科室的关键词表进行处理,得到针对每个科室的关键词表向量;
针对每个病情描述文本,基于所述病情描述文本的第一特征向量与每个科室的关键词表向量之间的相关性,生成针对每个科室的所述病情描述文本的第二特征向量;
针对每个病情描述文本,基于所述病情描述文本的第一特征向量与每个第二特征向量之间的相关性,生成所述病情描述文本的融合特征向量;
基于所述每个病情描述文本的融合特征向量和所述病情描述文本的科室信息,对第三网络模型进行训练,得到经训练的所述分诊模型。
2.根据权利要求1所述的方法,其中,所述基于多个科室中每个科室的标注数据集以及所述科室在知识库中的科室描述文本,生成所述每个科室的关键词表包括:针对每个科室的标注数据集中的多个病情描述文本,
对每个病情描述文本进行划分,得到针对每个病情描述文本的多个分词;
基于每个分词和所述科室描述文本共现的概率,计算所述每个分词与所述科室描述文本之间的相关性;
基于所述相关性满足预设条件的分词,生成所述每个科室的关键词表。
3.根据权利要求1所述的方法,其中,所述第一网络模型包括词向量子模型和特征提取子模型;所述利用第一网络模型对每个病情描述文本进行处理,得到每个病情描述文本的第一特征向量包括:
利用所述词向量子模型对所述每个病情描述文本进行处理,得到所述每个病情描述文本的的词向量;
利用所述特征提取子模型对所述每个病情描述文本的词向量进行处理,得到所述每个病情描述文本的所述第一特征向量。
4.根据权利要求1所述的方法,其中,所述针对每个病情描述文本,基于所述病情描述文本的第一特征向量与每个科室的关键词表向量之间的相关性,生成针对每个科室的所述病情描述文本的第二特征向量包括:
基于所述病情描述文本的第一特征向量与每个科室的关键词表中的每个关键词之间的相关性,生成针对每个关键词的权重;
基于针对所述每个关键词的权重中的最大值以及所述针对每个关键词的权重之和,确定针对每个关键词表的权重;
基于针对每个关键词表的权重,对所述病情描述文本的第一特征向量进行处理,生成针对每个科室的所述病情描述文本的第二特征向量。
5.根据权利要求1所述的方法,其中,所述针对每个病情描述文本,基于所述病情描述文本的第一特征向量与每个第二特征向量之间的相关性,生成所述病情描述文本的融合特征向量包括:
基于所述病情描述文本的第一特征向量与每个第二特征向量之间的相关性,生成针对每个第二特征向量的权重;
基于每个第二特征向量的权重,对所述每个第二特征向量进行处理,生成所述病情描述文本的融合特征向量。
6.根据权利要求1所述的方法,其中,所述基于所述每个病情描述文本的融合特征向量和所述病情描述文本的科室信息,对第三网络模型进行训练,得到经训练的所述分诊模型包括:
利用所述第三网络模型对任一病情描述文本的融合特征向量进行处理,得到所述任一病情描述文本的预测科室信息;
基于所述任一病情描述文本的的科室信息与预测科室信息之间的误差,确定所述第三网络模型的损失;
基于所述第三网络模型的损失调整所述第三网络模型的参数,以得到更新的第三网络模型;
针对所述更新的第三网络模型,重复上述训练过程,直至所述第三网络模型的损失收敛,得到经训练的所述分诊模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司,未经北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011275299.3/1.html,转载请声明来源钻瓜专利网。