申请/专利权人：平安科技(深圳)有限公司

申请日：2021-06-01

公开（公告）日：2024-06-25

公开（公告）号：CN113241193B

主分类号：G16H70/40

分类号：G16H70/40;G16H20/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.12.03#实质审查的生效;2021.08.10#公开

摘要：本发明公开一种药物推荐模型训练方法、推荐方法、装置、设备及介质。该方法包括：获取模型训练数据，包括训练药物、训练病症数据和训练评论数据；对训练评论数据进行情感分析，获取标注情感标签；对训练病症数据和训练评论数据进行特征提取，获取训练文本特征；基于每一训练文本特征和标注情感标签，获取模型训练样本；将模型训练样本输入训练文本特征对应的特征分类器进行模型训练，获取训练文本特征对应的原始特征药物推荐模型；采用模型训练样本对原始特征药物推荐模型进行测试，获取训练文本特征对应的目标特征药物推荐模型。该方法可保障目标特征药物推荐模型所推荐的目标推荐药物的准确性和有效性。

主权项：1.一种药物推荐模型训练方法，其特征在于，包括：获取模型训练数据，所述模型训练数据包括训练药物、与所述训练药物相对应的训练病症数据和训练评论数据；对所述模型训练数据中的训练评论数据进行情感分析，获取模型训练数据对应的标注情感标签；对所述训练病症数据和所述训练评论数据进行特征提取，获取所述模型训练数据对应的训练文本特征，所述训练文本特征包括Bow特征、TF-IDF特征、Word2Vec特征和手动特征；基于每一所述训练文本特征和所述标注情感标签，获取模型训练样本，将所述模型训练样本存储在所述训练文本特征对应的特征样本集中，将所述特征样本集中的模型训练样本划分为特征训练集和特征测试集；将所述特征训练集中的模型训练样本，输入所述训练文本特征对应的特征分类器进行模型训练，获取所述训练文本特征对应的原始特征药物推荐模型；将所述特征测试集中的模型训练样本，输入所述训练文本特征对应的原始特征药物推荐模型进行识别，获取所述模型训练样本对应的预测情感标签；根据所述模型训练样本对应的标注情感标签和所述预测情感标签，统计正向正确次数、负向正确次数、正向错误次数和负向错误次数；根据所述正向正确次数、所述负向正确次数、所述正向错误次数和所述负向错误次数，获取所述训练文本特征对应的原始特征药物推荐模型的当前精度、当前撤回率、当前F1分数、当前准确率和当前AUC；根据所述当前精度、所述当前撤回率、所述当前F1分数、所述当前准确率和所述当前AUC，获取所述训练文本特征对应的原始特征药物推荐模型的模型测试结果；若所述模型测试结果为测试通过，则将所述训练文本特征对应的原始特征药物推荐模型，确定为所述训练文本特征对应的目标特征药物推荐模型。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 药物推荐模型训练方法、推荐方法、装置、设备及介质

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