买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：温州医科大学

摘要：本发明公开了一种基于文本挖掘技术的医院挂号科室智能推荐方法、设备及存储介质。本发明将文本挖掘技术应用于患者医院挂号科室智能推荐，提出了构建科室与临床表现样本集，以及科室的临床表现高频词词典，建立了基于BERT改进模型的科室分类模型，并提出临床症状高频词推荐办法。本发明解决了患者不善于表述临床症状的困难，能提高患者挂号科室的准确率，应用方便，避免了患者和医院双方在时间、精力、资源等方面的浪费，同时提高患者对医院服务的好感度。

主权项：1.基于文本挖掘技术的医院挂号科室智能推荐方法，其特征在于该方法包括以下步骤：步骤1：构建临床表现与科室对应样本依据疾病诊断学文本，构建临床表现与疾病、科室映射的样本集；步骤2：构建科室的临床表现高频词词典对临床表现文本进行分词，统计词频；构建科室的临床表现高频词词典；步骤3：训练基于BERT的改进的分类模型采用基于BERT模型的单文本主题分类微调模型，在学习步骤1生成的样本集时，对BERT模型进行改进，获得临床表现与科室的高性能分类模型；步骤4：应用分类模型基于步骤3获得的高性能分类模型，输入患者通过语音或文字输入的临床表现文本，获得模型的科室分类结果和置信度；步骤5：分析分类结果若步骤4输出的科室分类结果的置信度低于阈值，在步骤2建立的科室临床表现词典中，把分类结果所对应科室的词典按词频从高到低推荐给患者，待患者选择后，进入步骤6；否则进入步骤7；步骤6：重新应用分类模型把患者选择的临床表现高频词，拼接到患者前述的临床表现文本中，重新基于步骤3获得的高性能分类模型进行分类，获得科室分类结果和置信度；然后返回步骤5；步骤7：输出科室分类结果把科室结果推荐给患者；步骤3中所述的高性能分类模型包括四个BERT模型和一个分类器，四个BERT模型的输出均输入至所述分类器；其中：第一BERT模型由50%的样本集训练得到；第二BERT模型由关键词词典训练得到；第三BERT模型由特殊关键词词典训练得到；第四BERT模型由预测样本集训练得到；所述的关键词词典构建方式如下：采用jieba分词对所述50%的样本集进行分词；用TF-IDF方法计算词项权重，构建为临床表现文本的关键词词典；所述的特殊关键词词典构建方式如下：从文本关键词词典中筛选出对区分科室起重要作用的特殊关键词，构建为特殊关键词词典；所述的特殊关键词由以下方式得到：统计文本关键词在各个科室的词频，若该关键词在某科室的词频占该关键词总词频的90%以上，则为特殊关键词；所述的预测样本集用于实现样本的倍增；采用以下方式得到：统计文本关键词在各个科室词频，其中占比小于90%但大于70%的为关联词；占比未达到70%的为非特殊关键词；将特殊关键词、关联词与非特殊关键词按照1:2:3的比例进行100000次随机提取与拼接，形成所述预测样本集；所述分类器用于：将训练完成的第一BERT模型、第二BERT模型和第三BERT模型对应输出的向量Tcls1、Tcls2、Tcls3进行加权处理得到向量Tcls5；将第四BERT模型输出的向量Tcls4与所述的向量Tcls5进行加权处理得到向量Tcls6；所述训练完成的第一BERT模型、第二BERT模型和第三BERT模型的输入分别来自于剩余50%的样本集、以及该样本集所提取的关键词、特殊关键词。

全文数据：

权利要求：

百度查询： 温州医科大学 基于文本挖掘技术的医院挂号科室智能推荐方法、设备及存储介质