[发明专利]基于多标签分类的肺癌前沿趋势预测方法

权利要求书

1.一种基于多标签分类的肺癌前沿趋势预测方法，其特征在于，包括以下步骤：

S1：收集肺癌研究领域的论文的序列号、标题、摘要以及发表日期，组成数据集；

S2：制定类别集，对应肺癌研究领域论文的主题；

S3：根据步骤S2中制定的类别集，对收集到的摘要文本进行标注；

S4：对数据集中的文本进行预处理；

S5：对预处理后的数据集，根据论文的发表日期，将其分为训练集和验证集；

S6：将训练样本输入到基于改进的Bert多标签分类网络，在解码器阶段采用LSTM网络，设定损失函数loss，loss值反向传播，更新权重参数，不断迭代训练分类网络，直至loss值不再下降；

S7：利用步骤S6训练的分类网络对验证集的数据进行分类，得到分类结果；

S8：对验证集的分类结果进行统计，与训练集的类别统计结果进行比对，验证预测准确性；

所述步骤S8具体为：以年份为单位，统计该年内发布的所有论文数，以及各个类别对应的论文数目，计算不同标签的占比；将每年的统计数据绘制成折线图，观察不同类别标签的明显的增减趋势。

2.根据权利要求1所述的一种基于多标签分类的肺癌前沿趋势预测方法，其特征在于，步骤S1具体为：爬取Pubmed网站内收录的近十年内发表的与肺癌相关的论文，筛除摘要、标题以及发表日期信息不全的论文，组成数据集。

3.根据权利要求1所述的一种基于多标签分类的肺癌前沿趋势预测方法，其特征在于，在步骤S2中，类别集包括：肺癌的筛查、肺癌的预防、肺癌的诊断、肺癌的发病机制、肺癌的治疗、肺癌的共患病、肺癌与空气污染的相关性分析、肺癌的基因相关性分析、肺癌的性别相关性分析、肺癌与烟草的相关性分析、肺癌的社会影响11个类别。

4.根据权利要求3所述的一种基于多标签分类的肺癌前沿趋势预测方法，其特征在于，在步骤S3中，设置标签为11维向量，向量的不同位置对应不同的类别，向量值’1’表示该论文属于本类别，’0’表示论文不属于该类别。

5.根据权利要求1所述的一种基于多标签分类的肺癌前沿趋势预测方法，其特征在于，所述步骤S4具体为：对数据集中文本形式存储的时间信息进行归一化处理，统一规范为以年份为跨度的时间单位；对摘要文本进行去除特殊字符、去停用词、统一大小写操作。

6.根据权利要求1所述的一种基于多标签分类的肺癌前沿趋势预测方法，其特征在于，在步骤S6中，所述损失函数loss采用交叉熵损失函数，用符号表示；给定句子输入s，输出的真实值为代表第i位置处代表的类别的标签，代表位置1到i-1之间的类别的标签值，θ为期望学习到的网络参数，k为类别集的大小，为已知θ条件下的后验概率；数据集的损失函数对数形式为：