[发明专利]一种面向AD量表书写能力检测的文本语义分析自动评价系统

说明书

本发明公开一种面向AD量表书写能力检测的文本语义分析自动评价系统，主要包括待评估语料输入模块、训练语料获取模块、语料预处理模块、语法完整性判断模块、语义通顺度分析模块和数据库；本发明结合受试者所写中文语句的语法成分完整性和语义通顺度，判断语句是否可理解，进而判断受试者是否具有基本的书写能力，有效提高了中文语句可理解度的判断效率和准确度。

技术领域

本发明涉及认知障碍人群基本书写能力评价，具体是一种面向AD量表书写能力检测的文本语义分析自动评价系统。

背景技术

基本书写能力评价是简易智力状态检查量表(MMSE)的一项重要内容，通过让疑似患有认知障碍疾病的受试者手写一句话并判断这句话的可理解度，衡量受试者的书写能力与认知水平，对受试者病情诊断具有重要参考意义。

基本书写能力评价的测试内容为：请受试者写出一句：(1)有主语；(2)有动词；(3)语义通顺的中文语句。标准(1)、(2)即要求语句的语法完整，标准(3)即要求语句的语义通顺。若受试者能够按以上三条要求写出语句，则判断其具有基本书写能力，在MMSE中该项计1分，否则计0分。

现有的评价方法包括人工评价和使用语言模型计算困惑度。进行人工评价时，虽然MMSE量表已有关于中文语句可理解度评价的相应标准，但实际诊断中医生在短时间内对大量被测语句给出的评分仍带有一定的主观性，使量表诊断的可信度受到影响。使用语言模型时，计算困惑度的准确率在60％～70％左右，准确率较低的原因有两点，首先是语言模型的局限性。语言模型中，表征句子是否可理解的“困惑度”指标仅能反应句子的语义通顺度，而在汉语表达中，部分语义清晰的句子并无主语、动词(如祈使句)。诊断中，部分受试者已丧失区分中文语句的语法要素的能力，写出诸如“把灯打开。”、“你好。”等语句，此类语句虽不符合“含主语、动词的要求”，但因语义通顺而被语言模型判断得分。在这种情况下，语言模型无法准确评估受试者的基本书写能力。其次，目前训练语言模型所用的语料库为通用性的文本类语料库，内容主要为书面资料，如新闻报道等，主题所属行业领域分布均匀；但受试者在测试过程中，由于处在“去医院就诊”的情境下，所写句子多与医院、看病有关，且较为口语化。被测语句与训练语料库的差异降低了语言模型的准确度。

发明内容

本发明的目的是提供一种面向AD量表书写能力检测的文本语义分析自动评价系统，主要包括待评估语料输入模块、训练语料获取模块、测试语料获取模块、语料预处理模块、语法完整性判断模块、语义通顺度分析模块、评估结果输出模块和数据库。

所述待评估语料输入模块获取受试者待评估的书写语料，并输入至语料预处理模块。

所述训练语料获取模块具有训练语料库。所述训练语料获取模块获取若干训练语料，分别建立基础语料集B和日常对话语料集D＝[D1，D2，…，Dw]，并存储在训练语料库中。Dr为第r个日常对话语料子集。r＝1，2，…，w。

获取若干训练语料的主要步骤如下：

1)利用网络爬虫在网络中获取若干基础语料，并写入基础语料集B中。所述基础语料覆盖所有类型语法且表达正确。所述基础语料集B存储在训练语料库中。

2)获取若干日常对话语料，主要步骤为：

2.1)获取所述受试者在过去t时间内书写的语料样本。

2.2)对所述语料样本进行分词，得到若干分词样本。

2.3)对所有分词进行词频统计，并按词频降序写入分词集W中。

2.4)提取分词集W中前w个分词，获取所述w个分词的近义词，并写入关键词集J＝{j1，j2，…，jw}中。其中关键词子集jr内存储第r个分词和第r个分词的近义词。r＝1，2，…，w。