[发明专利]面向循证医学领域的类别检测方法有效
| 申请号： | 201910508791.1 | 申请日： | 2019-06-12 |
| 公开（公告）号： | CN110210037B | 公开（公告）日： | 2020-04-07 |
| 发明（设计）人： | 琚生根;王婧妍;熊熙;李元媛;孙界平 | 申请（专利权）人： | 四川大学 |
| 主分类号： | G06F40/211 | 分类号： | G06F40/211;G06F40/30;G06N3/04;G16H15/00 |
| 代理公司： | 北京元本知识产权代理事务所 11308 | 代理人： | 王红霞 |
| 地址： | 610065 四*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种面向循证医学领域的类别检测方法，包括以下步骤：将摘要中的每个句子分别进行ELMo与Bi‑LSTM两种处理，得到句向量；将所述句向量进行编码，得到包含有句子之间语义关系的文本表示向量；将所述文本表示向量输入CRF模型进行句子序列分类，将待分类句子和句子类别标签分别作为CRF模型的观察序列和状态序列，通过下层网络提取的句子关联特征获得每个句子的标签概率。本发明实现循证医学文本摘要类别检测，利用多连接Bi‑LSTM网络捕获句子间依赖关系与上下文信息，结合多层自注意力机制，提高了句子编码的整体质量，并且在公开的医学摘要数据集上取得了不错的效果。 | ||
| 搜索关键词： | 面向 医学 领域 类别 检测 方法 | ||
【主权项】：
1.一种面向循证医学领域的类别检测方法，其特征在于，包括以下步骤：将摘要中的每个句子分别进行ELMo与Bi‑LSTM两种处理，得到句向量；将所述句向量进行编码，得到包含有句子之间语义关系的文本表示向量；将所述文本表示向量输入CRF模型进行句子序列分类，将待分类句子和句子类别标签分别作为CRF模型的观察序列和状态序列，通过下层网络提取的句子关联特征获得每个句子的标签概率。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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四川大学，未经四川大学许可，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/patent/201910508791.1/，转载请声明来源钻瓜专利网。
