[发明专利]证型匹配方法、装置、设备及存储介质

权利要求书

1.一种证型匹配方法，其特征在于，包括：

获取待匹配症状序列，利用证素知识库对所述待匹配症状序列进行映射，得到对应的第一待匹配证素列表，所述证素知识库基于预先得到的证素经验知识构建；

将所述待匹配症状序列输入至预先训练好的证素映射模型，得到第二待匹配证素列表，所述证素映射模型基于预先获取的样本证型和对应的证素列表以及证素知识库训练得到；

整合所述第一待匹配证素列表和所述第二待匹配证素列表，得到最终待匹配证素列表；

将所述最终待匹配证素列表与每个已知证型对应的已知证素列表进行相似度匹配，得到匹配的目标已知证型并输出。

2.根据权利要求1所述的证型匹配方法，其特征在于，所述整合所述第一待匹配证素列表和所述第二待匹配证素列表，得到最终待匹配证素列表，包括：

将所述第一待匹配证素列表和所述第二待匹配证素列表合并，得到所述最终待匹配证素列表。

3.根据权利要求1所述的证型匹配方法，其特征在于，所述整合所述第一待匹配证素列表和所述第二待匹配证素列表，得到最终待匹配证素列表，包括：

将所述第一待匹配证素列表转换为第一向量化表示，并将所述第二待匹配证素列表转换为第二向量化表示；

将所述第一向量化表示和所述第二向量化表示输入至预先训练好的注意力模型进行加权计算，得到最终向量化表示，所述注意力模型基于样本证型和对应的目标证型的目标证素列表训练得到；

将所述最终向量化表示转换为所述最终待匹配证素列表。

4.根据权利要求3所述的证型匹配方法，其特征在于，注意力模型训练方法包括：

获取样本证型和对应的目标证型，以及所述目标证型的目标证素列表；

利用所述证素知识库对所述样本证型进行映射得到第一样本证素列表，且利用所述证素映射模型对所述样本证型进行分析得到第二样本证素列表；

将所述第一样本证素列表和所述第二样本证素列表转换为向量化表示，并以所述第一样本证素列表、所述第二样本证素列表的向量化表示作为元素来构建查询向量；

将所述查询向量输入至待训练的注意力模型，输出最终样本向量化表示，并将所述最终样本向量化表示转换为最终样本证素列表；

基于所述最终样本证素列表和所述目标证素列表以及预先构建的打分函数反向更新所述注意力模型的权重参数。

5.根据权利要求1所述的证型匹配方法，其特征在于，所述证素映射模型基于LDA主题模型实现；

所述将所述待匹配症状序列输入至预先训练好的证素映射模型，包括：

将所述待匹配症状序列输入至预先训练好的LDA主题模型，利用所述LDA主题模型从所述待匹配症状序列中提取得到多个主题的向量表示，所述LDA主题模型基于预先获取的样本证型和对应的证素列表以及证素知识库训练得到；

以所述多个主题的向量表示转换为所述第二待匹配证素列表。

6.根据权利要求1所述的证型匹配方法，其特征在于，所述证素映射模型基于变分自编码器实现；

所述将所述待匹配症状序列输入至预先训练好的证素映射模型，包括：

将所述待匹配症状序列输入至预先训练好的变分自编码器，得到所述变分自编码器的中间层表示，所述变分自编码器基于预先准备的样本证型训练得到，所述变分自编码器训练时，输入层的输入数据为所述样本证型，输出层的输出数据为自编码输出证型，中间层的输出为所述样本证型的证素表示，利用对所述样本证型和所述自编码输出证型的拟合过程训练所述中间层的参数；

将所述中间层表示作为所述第二待匹配证素列表。

7.根据权利要求1所述的证型匹配方法，其特征在于，所述将所述最终待匹配证素列表与每个已知证型对应的已知证素列表进行相似度匹配，得到匹配的目标已知证型并输出，包括：

计算所述待匹配证素列表和所述已知证素列表的交集和并集，所述最终待匹配证素列表和所述已知证素列表均包括多个证素；

计算所述交集与所述并集的比值，得到所述待匹配证素列表与所述已知证素列表的相似度值；

选取相似度值最高的已知证素列表对应的目标已知证素输出。