[发明专利]半监督自学习驱动的医学文本病症辨识方法

权利要求书

1.半监督自学习驱动的医学文本病症辨识方法，其特征在于，基于医学文本进行病症关键特征的辨识，特征包括病症严重程度、病症进展和病症描述对象，本发明从特征抽取、优化分类模型方面展开，主要包括：一是提取医学文本的语义特征，将病症表达词邻近文本的全局特征和局部上下文特征组织融合，并将其转化成为特征向量，作为之后文本分类模型的分类特征；二是采用一种自学习驱动的多分类器投票方法，将多个分类器分类为一致的未标注文本，加入到SVM训练集中；三是采用一种基于聚类假设的安全半监督SVM模型，分类超平面穿过低密度数据区域，考量不同分类超平面的差异性，使分类超平面间隔最大化和模型的整体适应性达到平衡；

本发明提出一种基于多Baseline方法投票原理的自学习驱动的SVM模型，当多个Baseline方法对未标记文本的分类结果一致时，则认为该未标记文本的正确分类和多数一致结果相同，同时将该文本标记为多数一致性的结果，并加入训练文本，优化SVM模型的训练，本发明采用Baseline方法，主要包括基于词语语义规则的方法、SVM模型、朴素贝叶斯优化分类算法和条件随机场优化模型，在各分类模型上设置了投票权值，并利用部分标记训练文本采用模拟退火优化算法优化每个分类模型的投票权重；

安全半监督SVM的参数优化：训练的参数有S₁、S₂和核函数参数σ的值，安全半监督SVM参数采用遗传算法进行优化，主要环节为：

环节一，待训练参数的编码：参数的编码采用实值编码方式，分别对影响因子S₁、S₂和核函数参数σ进行编码；

环节二，目标函数计算：目标函数的值越大代表其适应能力越强，被选为种子继续繁衍的机会越大，本发明的目标函数为安全半监督SVM的分类正确率；

环节三，个体选择：每次的遗传过程中选择适应能力强，即目标函数值大的个体进行下一次遗传操作，使参数逐渐接近最优值，随机选择初始个体集合，之后的个体选择都依据目标函数的大小选择；

环节四，交叉操作：利用原有个体产生新个体的过程，依据生物基因重组过程，参数都采用实数编码，交叉操作只能采用算术交叉，

其中α表示[0,1]的一个随机数，X表示交叉操作的对象个体；

环节五，变异操作：在特征参数优化的过程中允许非常规操作，跳出局部最优值，使特征训练的效果更佳，每次变异产生的新基因x_W满足以下条件：

x_W＝x_w+Δ(r,y)

其中Δ(r,y)表示[0,y]之间一个随遗传次数的增加y不断减小趋近于0的随机值，条件rand(0,1)＝0|1表示变异的概率很低，只有当随机数等于0或1时，才可能激发个体的变异，分别为特征参数的最大值和最小值；

环节五，终止训练：当遗传次数达到临界值或特征的变化范围趋近于0时，停止遗传过程，完成参数优化。

2.根据权利要求1所述的半监督自学习驱动的医学文本病症辨识方法，其特征在于，自学习驱动的SVM中特征选取：向量空间模型将需要表示的文本特征转换成数字特征，映射成一个特征向量，U(C)＝(T₁,K₁,R₂,K₂,…,R_n,K_n)，其中(R₁,R₂,…,R_n)表示文本选择的特征集合，(K₁,K₂,…,K_n)表示相应特征项的权值集合，表征特征对最后分类结果的贡献程度；在进行特征抽取时，选取两类特征，一类是病症标注词上下文语义环境特征，另外一类是与病症标注词关联的语法特征，上下文语义环境特征包括关键词邻近的文本语境特征，与疾病标注关键词关联的特征包括和标注关键词存在依存关系和语法关系的词语，以及邻近出现的相关词。