[发明专利]一种基于文本特征降维的LSTM注意力机制疾病预测方法

权利要求书

1.一种基于文本特征降维的LSTM注意力机制疾病预测方法，其特征在于，包括以下步骤：

(1)数据预处理。

(2)结合电子病历文本特点，形成词特征加权计算方法。

计算方法包括词义加权计算方法和词长加权计算方法；

词义加权计算方法，需要根据任务目标构建两种本地词库：任务相关词库和非任务相关词库，用以确定词义与文本的关联性。词义加权计算方法公式如下：

词长加权计算方法，词长也即组成词的字数，在一定范围内词字数越多词携带的信息越高。词长加权计算公式如下：

(3)利用数据降维提取数据集关键信息。

将词长和词义加权引入LDA模型，改变原有的词分布状态，用于实现对LDA模型的降维过程的针对性指导。

(4)将非结构化的文本数据转化为计算机能识别的结构化数据。

电子病历文本为计算机无法识别的非结构化数据，通过词嵌入的方法将文本数据转化为计算机可识别的数字矩阵。

(5)LSTM注意力机制模型训练。

2.根据权利要求1所述的一种基于文本特征降维的LSTM注意力机制疾病预测方法，其特征在于，所述步骤(1)中预处理包含去除文本中的标点符号等特殊字符；使用分词工具对文本数据进行分词处理，并获取分词结果中词对应的词性；去除数据中非动词、名词、形容词和副词词性的其他词。