申请/专利权人:青岛科技大学
申请日:2024-01-30
公开(公告)日:2024-04-26
公开(公告)号:CN117936121A
主分类号:G16H80/00
分类号:G16H80/00;G06F16/35;G06F18/213;G06F18/241;G06N3/045;G06N3/0442;G06N3/0464;G06N3/0455;G06N3/084;G06N3/047;G06N3/048;G06F18/214;G06F40/289
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.14#实质审查的生效;2024.04.26#公开
摘要:本发明公开了一种基于多特征融合的混合神经网络慢病诊疗问题分类方法,涉及文本分类技术领域,技术方案为,一种基于多特征融合的混合神经网络慢病诊疗问题分类方法,其特征在于,包括:采集慢病诊疗问题相关数据,进行人工标记,建立数据库;对数据库中的数据进行预处理;采用多特征融合对数据库中的文本特征进行表示;通过添加注意力池化层的TextCNN模型APTC,并结合多头注意力机制MHA以及双向门控循环单元Bi‑GRU构成了混合神经网络模型MHA‑APTC‑BiGRU用于特征提取;确定慢病诊疗问题分类模型;对模型进行验证与优化,并对样本数据进行精准分类。本发明的有益效果为:提供了一种基于多特征融合的混合神经网络慢病诊疗问题分类方法。
主权项:1.一种基于多特征融合的混合神经网络慢病诊疗问题分类方法,其特征在于,包括:采集慢病诊疗问题相关数据,进行人工标记,建立数据库;对数据库中的数据进行预处理;采用多特征融合对数据库中的文本特征进行表示;通过添加注意力池化层的TextCNN模型APTC,并结合多头注意力机制MHA以及双向门控循环单元Bi-GRU构成了混合神经网络模型MHA-APTC-BiGRU用于特征提取;确定慢病诊疗问题分类模型;对模型进行验证与优化,并对样本数据进行精准分类。
全文数据:
权利要求:
百度查询: 青岛科技大学 基于多特征融合的混合神经网络慢病诊疗问题分类方法
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。