[发明专利]一种基于自动标签和多模型融合的智能导诊算法

权利要求书

1.一种基于自动标签和多模型融合的智能导诊算法，其特征在于，主要包括以下步骤：

步骤S100：自动标签：爬取医疗领域网站的数据库，构建基础数据库，爬取网络咨询数据并作为训练数据；针对不同数据源进行科室分类体系的融合，构建统一的科室分类体系，在此基础上整合预标注数据；

所述网络咨询数据包括患者问题描述、患者个人信息、所属科室的数据；

所述步骤S100中爬取120ask、丁香园、春雨医生、好大夫的网络咨询数据；

步骤S200：数据标签增强：基于医疗基础数据集训练语义向量word2vec，并在网络咨询数据上微调语义向量；针对每个数据源，基于语义向量，计算患者信息相似度；选择相似度大于设定阈值的样本聚簇，并在每个簇内进行标签投票；当指定簇内最大标签比例大于指定阈值时，将该簇内样本均赋为其最大概率标签；每个数据源分别训练textcnn、dppcnn、dpcnn模型；针对每个数据源样本，利用其它数据源的模型进行预测，并合并统计预测标签概率分布；当最大概率与第二大概率差值大于设定阈值，且与原标签不一致时，则纠正原标签为最大概率标签；

步骤S300：多模型预测融合：针对步骤S200中的结果，每个数据源重新训练textcnn、dppcnn、dpcnn模型；针对每个数据源，在三个模型的基础上添加线性加权层，并从剩余数据源中随机筛选其他模型预测较为一致的样本，并用这些样本训练线性加权层；每个数据源得到一个融合的预测模型；

所述步骤S300中针对多个数据源的预测模型进行概率投票，获取最大概率结果即为最终结果；

最后，将患者的症状描述及个人信息输入到步骤S300中的预测模型即可得到推荐的科室。