[发明专利]一种基于集成卷积编码的医疗问答语义聚类方法

权利要求书

1.一种基于集成卷积编码的医疗问答语义聚类方法，其特征在于，所述方法包括以下步骤：

步骤1：从医疗平台上获取医疗问答数据集，对医疗问答数据集进行预处理，并得到输入矩阵；

步骤2：用卷积编码网络对不同的输入矩阵选取不同的卷积核进行核聚类，对核聚类后的聚类质量和多样性进行计算，根据聚类质量和多样性挑选出表示文本特征最好的n个卷积核；

步骤3：将步骤2中挑选的卷积核分别通过卷积神经网络来进行训练操作；

步骤4：融合不同卷积核的特征表示结果；

步骤5：将融合后的特征表示结果输入自编码机，进行输入重构训练得到最佳特征表示；

步骤6：将编码得到的最佳特征表示进行聚类，得到最终医疗文本语义聚类结果。

2.根据权利要求1所述的一种基于集成卷积编码的医疗问答语义聚类方法，其特征在于：步骤1中所述的对医疗问答数据集进行预处理，即对医疗问答数据集进行分词、去停用词、词性标注，接着依据词向量的表示方式对输入的医疗问答数据集形成矩阵表示，得到输入矩阵。

3.根据权利要求1所述的一种基于集成卷积编码的医疗问答语义聚类方法，其特征在于，步骤2中的聚类质量的值越高说明得到核聚类的结果越好，其表示如下所示：

其中，K＝{1，2，…k_n}为卷积核集，为第k_j个卷积核得到的聚类结果，为n个卷积核任意两两不重复选取组合计算的次数，SNMI为第k_j个卷积核与其他卷积核大小聚类结果的总NMI值后求平均；通过规范化互信息NMI来获得不同卷积核间的差异程度：

其中，k_a和k_b分别为不同卷积核聚类结果C_a和C_b中的簇数，n为全部的数据集数，n_h，l为同时位于C_a的h簇和C_b的l簇中的数据集数，为聚类结果C_a的h簇中的数据集数，为聚类结果C_b的l簇中的数据集数，NMI(C_a，C_b)的值越大，聚类器间差异性越小；

将规范化互信息NMI进行转换后采用多样性对核聚类的质量进行评估：

Div(C_a，C_b)＝l-NMI(C_a，C_b)

Div(C_a，C_b)为不同卷积核聚类结果的差异性值，该值越小，体现出聚类器间的关联越少；

结合聚类质量和多样性评估标准，其最终结算结果如下所示：

其中，Ker表示该卷积核聚类结果的有效评估值，α表示聚类质量权值，1-α为差异性效果权值。