[发明专利]基于机器学习的辩证分析方法、装置、设备及介质

权利要求书

1.一种基于机器学习的辩证分析方法，其特征在于，包括：

获取患者信息以及证型库中的多个目标证型；

分别对所述患者信息以及每一所述目标证型进行向量化处理，得到第一患者向量以及第一证型向量；

通过预先训练好的第一目标模型提取所述第一患者向量对应的第一特征；以及，通过预先训练好的第二目标模型提取每一所述第一证型向量对应的第二特征；

将所述第一特征与每一所述第二特征进行特征相似度计算，以根据得到的特征相似度，输出辩证结果。

2.如权利要求1所述基于机器学习的辩证分析方法，其特征在于，所述患者信息包括患者症状集；所述证型库中存储有多个原始证型，每一原始证型均对应一证型症状集；所述获取证型库中的多个目标证型，包括：

基于所述患者症状集，对每一所述原始证型对应的证型症状集进行关键字匹配，以从所述证型库中筛选出多个目标证型。

3.如权利要求1所述基于机器学习的辩证分析方法，其特征在于，所述患者信息包括患者症状集；所述目标证型对应一证型症状集；在所述通过预先训练好的第一目标模型提取所第一患者向量对应的第一特征的步骤之前，所述基于机器学习的辩证分析方法还包括：

计算所述患者症状集与所述证型症状集的症状重合率；

拼接所述第一患者向量以及所述症状重合率，以根据得到的拼接向量更新所述第一患者向量。

4.如权利要求3所述基于机器学习的辩证分析方法，其特征在于，所述计算所述患者症状集与所述证型症状集的症状重合率，包括：

对所述患者症状集与所述证型症状集取交集；

基于所述交集的集合长度与所述证型症状集的集合长度，计算所述症状重合率。

5.如权利要求1所述基于机器学习的辩证分析方法，其特征在于，所述患者信息包括患者症状集、年龄信息以及性别信息；所述对所述患者信息进行向量化处理，得到第一患者向量，包括：

对所述患者症状集中的每一患者症状进行特征编码，得到每一患者症状对应的第一分量；

将所述患者症状集对应的多个所述第一分量相加，得到第一症状向量；

分别对所述年龄信息以及所述性别信息进行离散特征编码，得到年龄向量以及性别向量；

拼接所述第一症状向量、所述年龄向量以及所述性别向量，得到所述第一患者向量。

6.如权利要求1所述基于机器学习的辩证分析方法，其特征在于，所述目标证型对应证型症状集、病位证素集以及病性证素集；所述对每一所述目标证型进行向量化处理，得到第一证型向量，包括：

对所述证型症状集中的每一证型症状进行特征编码，得到每一所述证型症状对应的第二分量；

将证型症状集对应的多个所述第二分量相加，得到第二症状向量；

对所述病位证素集中的每一病位证素进行特征编码，得到每一所述病位证素对应的病位证素分量；

将所述病位证素集对应的多个所述病位证素分量相加，得到病位证素向量；

对所述病性证素集中的每一病性证素进行特征编码，得到每一所述病性证素对应的病性证素分量；

将所述病性证素集对应的多个所述病性证素分量相加，得到病性证素向量；

拼接所述第二症状向量、所述病位证素向量以及所述病性证素向量，得到所述第一证型向量。