[发明专利]一种基于深度学习和知识图谱的患者画像方法及系统

权利要求书

1.一种基于深度学习和知识图谱的患者画像方法，其特征在于，包括：

获取患者医疗数据；

根据医学知识图谱对患者医疗数据进行分词，对每个词进行向量化后，构建词向量矩阵；

将词向量矩阵采用预先训练的深度学习模型得到患者标签；

根据患者标签完成对患者的画像。

2.如权利要求1所述的一种基于深度学习和知识图谱的患者画像方法，其特征在于，对患者医疗数据进行数据清洗，所述预处理包括：对医疗数据的数据清洗、缺失值处理和术语标准化。

3.如权利要求1所述的一种基于深度学习和知识图谱的患者画像方法，其特征在于，所述医学知识图谱包括：获取医学知识，采用三元组形式将医学知识结构化，由若干个三元组组成医学知识图谱。

4.如权利要求1所述的一种基于深度学习和知识图谱的患者画像方法，其特征在于，所述根据医学知识图谱对患者医疗数据进行分词包括，对患者医疗数据采用最大匹配进行分词，根据医学知识图谱中词库的最大长度n，选取患者医疗数据的前n个字，判断选取的前n个字是否在词库中，若在，则进入下一次分词，若不在，令n＝n-1，重复上述过程。

5.如权利要求1所述的一种基于深度学习和知识图谱的患者画像方法，其特征在于，对每个词采用word2vec进行向量化，构建词向量矩阵。

6.如权利要求1所述的一种基于深度学习和知识图谱的患者画像方法，其特征在于，将词向量矩阵采用预先训练的深度学习模型进行卷积计算、最大池化计算以及分类计算；具体包括：

将词向量矩阵D_i与卷积核进行乘积并求和，得到输出f；

对输出f的最大值进行最大池化，得到向量F；

对向量F进行softmax分类，得到患者标签。

7.如权利要求1所述的一种基于深度学习和知识图谱的患者画像方法，其特征在于，所述患者画像方法还包括对得到的患者标签进行标签的确认、调整以及统计管理。

8.一种基于深度学习和知识图谱的患者画像系统，其特征在于，包括：

数据获取模块，被配置为获取患者医疗数据；

数据处理模块，被配置为根据医学知识图谱对患者医疗数据进行分词，对每个词进行向量化后，构建词向量矩阵；

标签计算模块，被配置为将词向量矩阵采用预先训练的深度学习模型得到患者标签；

画像模块，被配置为根据患者标签完成对患者的画像。

9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7任一项所述的方法。