[发明专利]一种基于深度学习的智能医疗自动问答方法

权利要求书

1.一种基于深度学习的智能医疗自动问答方法，其特征在于，包括以下步骤：

1)构建存储有医疗问题、该医疗问题的答案以及该医疗问题所属领域的答案池，再对所述答案池中的数据进行向量化；

2)从互联网中获取医疗问答数据，再对获取得到的医疗问答数据进行向量化，得训练文本向量，然后将所述训练文本向量输入到神经网络中，并构建模型训练代价函数，再通过模型训练代价函数对该神经网络进行训练，得训练后的神经网络；

3)对待回答问题进行向量化，再提取待回答问题中每个词语的词向量，然后将待回答问题中各词语的词向量进行拼接，得待回答问题对应的文本向量；

4)将步骤3)得到的待回答问题对应的文本向量输入到训练后的神经网络中，得文本的特征向量，再将文本的特征向量输入到答案池中，得若干候选答案的特征向量，然后从各候选答案的特征向量选取最佳答案，并输出所述最佳答案，完成基于深度学习的智能医疗自动问答。

2.根据权利要求1所述的基于深度学习的智能医疗自动问答方法，其特征在于，步骤2)中从互联网中通过网络爬虫技术获取医疗问答数据。

3.根据权利要求1所述的基于深度学习的智能医疗自动问答方法，其特征在于，模型训练代价函数的表达式为：

L＝max{0，M-s(q，a^-)+s(q，a⁺)}

其中，q为问题的文本向量，a⁺为该问题对应标准答案的文本向量，a^-为该问题对应错误答案的文本向量，s(q，a⁺)为q与a⁺的余弦相似度量，s(q，a^-)为q与a^-的余弦相似度量，M为间隔常数。

4.根据权利要求1所述的基于深度学习的智能医疗自动问答方法，其特征在于，步骤4)中从各候选答案的特征向量选取最佳答案的具体操作为：计算文本的特征向量与各候选答案的特征向量的余弦相似度，再选取余弦相似度最高时对应的候选答案作为最佳答案。