[发明专利]一种语义分诊方法及系统

权利要求书

1.一种语义分诊方法，其特征在于，所述方法包括：

获取实际问诊数据；

将所述实际问诊数据输入到科室分类模型中，得到目标科室；

所述科室分类模型的建立方法包括：

获取历史问诊数据；所述历史问诊数据包括历史病情描述和对应的历史科室；

根据所述历史问诊数据对长短期记忆网络模型进行训练，得到所述科室分类模型；

所述根据所述历史问诊数据对长短期记忆网络模型进行训练，得到所述科室分类模型，具体包括：

将所述历史病情描述输入到所述长短期记忆网络模型中，得到每个历史病情描述对应的各个科室的概率；

根据概率最大的科室和对应的历史科室判断是否停止训练；

若是，则将当前训练次数下的长短期记忆网络模型作为所述科室分类模型；

若否，则更新所述长短期记忆网络模型的参数，并进行下一次训练；

所述根据概率最大的科室和对应的历史科室判断是否停止训练，具体包括：

对于任意一个所述历史病情描述，判断输出的概率最大的科室与对应的历史科室是否一致；

统计概率最大的科室与对应的历史科室一致的历史病情描述的个数，得到目标个数；

根据所述目标个数与所述历史病情描述的总个数，计算当前训练次数下的长短期记忆网络模型的准确率；

若所述准确率大于设定阈值，则停止训练。

2.根据权利要求1所述的语义分诊方法，其特征在于，在所述将所述历史病情描述输入到所述长短期记忆网络模型中，得到每个历史病情描述对应的各个科室的概率之前，还包括：

对所述历史病情描述进行预处理。

3.根据权利要求2所述的语义分诊方法，其特征在于，所述对所述历史病情描述进行预处理，具体包括：

对所述历史病情描述进行数据清洗；

对数据清洗后的历史病情描述进行分词处理，得到多个词；

将多个所述词映射到向量空间，得到多个数值数据。

4.根据权利要求3所述的语义分诊方法，其特征在于，所述对所述历史病情描述进行数据清洗，具体包括：

对所述历史病情描述进行至少一种删改操作；所述删改操作包括字符删除、字母转换、原型转换、空格删除和信息删除；

所述字符删除为删除所述历史病情描述中的无关字符、非英文字符、非中文字符、非数字字符、非中英文的标点符号和超链接；所述无关字符包括：html标签、乱码、特殊字符和标签；

所述字母转换为将所述历史病情描述中的英文字母的大写字母转换为小写字母；

所述原型转换为将英文字母转换为所述英文字母的原型；

所述空格删除为删除多余空格；

所述信息删除为删除文本信息；所述文本信息包括：姓名、联系方式和个人住址。