申请/专利权人：齐鲁工业大学(山东省科学院);海南榕树家信息科技有限公司

申请日：2024-01-16

公开（公告）日：2024-04-12

公开（公告）号：CN117874221A

主分类号：G06F16/34

分类号：G06F16/34;G06F16/332;G06F16/335;G06F16/36;G06N3/0455;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于重排序器的医疗问题摘要生成方法和装置、存储介质、电子设备，属于人工智能、自然语言处理领域。本发明要解决的技术问题是为较长的患者健康问题自动生成简短的摘要。采用的技术方案为：①一种基于重排序器的医疗问题摘要生成方法，该方法包括如下步骤：S1、构建医疗问题摘要生成数据集；S2、构建并训练医疗问题摘要生成模型；S3、构建并训练重排序器模型；S4、使用医疗问题摘要生成模型和重排序器模型进行推理。②一种基于重排序器的医疗问题摘要生成装置，该装置包括：医疗问题摘要生成数据集构建单元、医疗问题摘要生成模型构建和训练单元、重排序器模型构建和训练单元及医疗问题摘要生成模型和重排序器模型推理单元。

主权项：1.一种基于重排序器的医疗问题摘要生成方法，其特征在于，该方法包括如下步骤：步骤S1，构建医疗问题摘要生成数据集：首先需要获得由用户在医疗问答社区提出的医疗问题和专家撰写的参考摘要以构成医疗问题摘要生成数据集，然后将其切分成训练数据集、验证数据集和测试数据集；步骤S2，构建并训练医疗问题摘要生成模型，主要操作包括：构建序列到序列模型、构建交叉熵损失函数、优化序列到序列模型训练、为医疗问题生成候选摘要；步骤S3，构建并训练重排序器模型，主要操作包括：构建重排序器模型、构建排序损失函数、优化重排序器模型训练；步骤S4，使用医疗问题摘要生成模型和重排序器模型进行推理，主要操作包括：为医疗问题生成候选摘要、对医疗问题及其候选摘要进行编码、计算文本语义相似度并进行重排序、通过置信度门控机制选择最终摘要。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院);海南榕树家信息科技有限公司 基于重排序器的医疗问题摘要生成方法和装置

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