[发明专利]一种基于贝叶斯文本分类模型的辅助挂号方法

权利要求书

1.一种基于贝叶斯文本分类模型的挂号辅助方法，包括：

对获得的症状主诉文本数据进行预处理；

根据预处理后的数据，训练获得挂号辅助模型；

对得到的挂号辅助分类模型进行评估；

将评估达到要求的模型应用到网络预约挂号系统中进行辅助挂号；

其中，挂号辅助模型是利用贝叶斯文本分类算法训练获得，并根据症状主诉文本数据特征进行了优化。

2.根据权利要求1所述的方法，其中对获得的症状主诉文本数据进行预处理步骤还包括：

中文分词和去停用词，其中中文分词利用症状词表，针对症状主诉文本数据对分词器性能进行优化；去停用词则利用针对疾病主诉文本数据建立的常见停用词表，去掉不具有辨别力的词。

3.根据权利要求1所述的方法，其中根据预处理后的数据，训练获得挂号辅助模型还包括：

根据改进的tf-idf公式对每种疾病向量关键词赋予权重；

根据疾病典型症状词表，为每种疾病的典型症状词赋予绝对权重；

利用分层的贝叶斯算法对加权文本向量进行训练。

4.根据权利要求1所述的方法，对得到的挂号辅助模型进行评估还包括：利用准确率、召回率和F值评价指标和3-折交叉验证的方法建立评估模型，对该模型性能进行评估。

5.根据权利要求1所述的将评估达到要求的挂号辅助模型应用到挂号系统中进行辅助挂号还包括，根据患者输入的主诉症状数据，推荐其对证的专科专家,指导其就医。

6.根据权利要求5所述的模型应用，还包括：

对患者输入的主诉症状进行分词，去停用词，根据症状词表和停用词表抽取具有鉴别力的关键词，并建立关键词向量，再根据keyword表给向量中的词赋予权重，最后根据贝叶斯概率模型，计算各类疾病的概率，获取概率最大的前5条疾病列表，再进行专科专家匹配。

7.根据权利要求3所述的分层贝叶斯算法还包括：

利用疾病大类和疾病所属科室将分类过程划分层次，即先推荐挂号科室和疾病大类，如果仍具有辨别力，再进一步对证的专科专家，如果不具有辨别力，则仅返回疾病大类和科室，不再做进一步分类。