[发明专利]一种仿真文本病历的生成方法及系统

摘要

一种仿真文本病历的生成方法及系统，采用原始病历生成正样本，生成器每次循环以上一次循环输出的词向量和疾病标签向量为输入，输出新的词向量，重复多次生成由多个词向量组成的句子。每生成一个词向量，以已生成词向量序列为初始状态，重复运行生成器采样，生成多个句子，判别器对所有句子的奖励值取平均值，作为该次的词向量的奖励值，根据得到的句子和词向量的奖励值更新生成器，如此反复直至收敛。收敛的生成器生成负样本，与正样本组成混合病历数据集，以疾病标签向量和词向量序列为输入，得到每一病历来自真实病历的概率，更新判别器，如此反复直至收敛。本发明避免涉及病人隐私，仿真文本病历可辅助其它机器学习任务，方便对该疾病的研究。

主权项

1.一种仿真文本病历的生成方法，其特征在于，包括以下步骤：步骤S1，对原始病历数据进行预处理，生成由真实病历数据组成的正样本，具体包括如下步骤：步骤S11，获取包括病情描述和诊断结果的真实病历的文本；步骤S12，对病情描述和诊断结果进行提取并分别编制适于计算机读取的编码；步骤S14，生成所述正样本，步骤S2，训练模型，具体包括以下步骤：步骤S21，构建生成器与判别器，初始化参数；步骤S23，对生成器与判别器进行对抗训练，循环执行如下过程直至生成式对抗网络收敛：步骤S231，对生成器执行多次迭代，直至收敛，具体包括如下步骤：步骤S2311，生成器执行T次循环，每次循环以上一次循环输出的词向量和疾病标签向量为输入，输出新的词向量，从而重复T次生成长度为T的句子X1:T，其中，以已经生成的词向量序列(x1,x2,…,xt‑1)为初始状态固定不变，重复运行生成器进行采样，生成以X1:t‑1为前缀的N个完整的句子，判别器对每个句子给出一个奖励值，对N个句子的奖励值取平均值，作为第t步所生成词向量xt的奖励值，其中，词向量从事先设定的包含病历词汇的词典中选取，疾病标签向量是与病情诊断结果对应的向量；步骤S2312，根据得到的序列总长度为T的句子，和序列中每个词向量获得的来自于判别器的奖励值，更新生成器，然后返回步骤S2311，直至收敛；步骤S232，对判别器执行多次迭代，直至收敛，具体包括如下步骤：步骤S2321，用步骤S231计算收敛所得的生成器生成由虚构病历数据组成的负样本，并与所述正样本组成混合病历数据集；步骤S2322，在判别器中，以疾病标签向量和混合病历数据集中的病历的词向量序列表示作为输入，经过神经网络计算得到混合病历数据集中每一病历来自真实病历的概率，训练更新判别器，然后返回步骤2321，直至收敛；步骤S3，生成仿真病历数据；步骤S31，输入疾病标签，使用训练好的生成器生成仿真病历数据；步骤S32，将生成的仿真病历数据中的数字编码还原为可读文字。