申请/专利权人：北京大学重庆大数据研究院

申请日：2022-11-02

公开（公告）日：2024-04-09

公开（公告）号：CN115631852B

主分类号：G16H50/20

分类号：G16H50/20;G06F16/33;G06F16/35;G06F40/289;G06F40/30;G06F18/241;G06F18/2415;G06N3/0464;G06N3/047;G06N3/048;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2023.02.14#实质审查的生效;2023.01.20#公开

摘要：本申请公开了一种证型推荐方法、装置、电子设备及非易失性存储介质。其中，该方法包括：获取原始文本信息，其中，原始文本信息包括：问诊文本信息和病历文本信息；依据预训练模型，对原始文本信息进行向量化处理，得到目标向量数据，其中，目标向量数据包括：问诊向量数据和病历向量数据；采用第一神经网络对病历向量数据进行特征提取，得到第一特征数据，以及采用第二神经网络对问诊向量数据进行特征提取，得到第二特征数据；依据第一特征数据和第二特征数据，确定目标证型。本申请解决了由于目前的中医辨证系统大多未采用自然语言处理技术，造成辨证系统的证型推荐准确率差的技术问题。

主权项：1.一种证型推荐方法，其特征在于，包括：获取原始文本信息，其中，所述原始文本信息包括：问诊文本信息和病历文本信息；依据预训练模型，对所述原始文本信息进行向量化处理，得到目标向量数据，其中，所述目标向量数据包括：问诊向量数据和病历向量数据，所述问诊向量数据为对所述问诊文本信息进行向量化处理后得到的所述目标向量数据，所述病历向量数据为对所述病历文本信息进行向量化处理后得到的所述目标向量数据，所述预训练模型通过以下步骤训练得到：获取预训练文本信息，其中，所述预训练文本信息从中医知识库中获取，所述中医知识库中存储有用于记录中医知识的文本信息；按照预设概率选择所述预训练文本信息中的词语进行遮盖；依据所述预训练文本信息中被遮盖的词语和未被遮盖的词语，对初始模型进行训练，得到所述预训练模型；采用第一神经网络对所述病历向量数据进行特征提取，得到第一特征数据，以及采用第二神经网络对所述问诊向量数据进行特征提取，得到第二特征数据，包括：对所述病历向量数据进行卷积化处理；确定所述第一神经网络对应的激活函数和第一最大池化函数；依据所述激活函数和第一最大池化函数，对所述卷积化处理后的病历向量数据进行计算，得到所述第一特征数据；依据所述第二神经网络，对所述问诊向量数据进行特征提取，得到所述第二特征数据，包括：依据所述问诊向量数据，建立目标关系图，其中，所述目标关系图用于表征所述问诊向量数据中词向量之间的关系；确定所述目标关系图对应的目标邻接矩阵和目标训练参数；依据所述目标邻接矩阵和所述目标训练参数，计算所述问诊向量数据中词向量的影响系数，其中，所述影响系数用于表征所述词向量对所述问诊向量数据中其余词向量的影响程度；依据所述影响系数和第二最大池化函数，确定所述第二特征数据，其中，所述第一神经网络为卷积神经网络，所述第二神经网络为图神经网络；依据所述第一特征数据和第二特征数据，确定目标证型。

全文数据：

权利要求：

百度查询： 北京大学重庆大数据研究院 证型推荐方法、装置、电子设备及非易失性存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD