[发明专利]一种基于深度学习的新冠肺炎症状文本数据识别方法及装置

权利要求书

1.一种基于深度学习的新冠肺炎症状文本数据识别方法，其特征在于，所述方法包括以下步骤：

S1：采集样本数据，对所述样本数据进行处理，得到有效数据；对所述有效数据进行翻译并转化为具有数字特征的数字化数据，对所述数字化数据进行补零操作，得到训练数据集；

S2：设置随机鲁棒性机制，基于所述随机鲁棒性机制创建深度学习模型；

S3：利用所述训练数据集对所述深度学习模型进行训练，完成深度学习模型的训练；

S4：配置所述深度学习模型的参数，将待识别的文本数据输入到所述深度学习模型中进行识别，识别并输出新冠肺炎症状文本数据。

2.根据权利要求1所述的方法，其特征在于，所述采集样本数据，对所述样本数据进行处理，得到有效数据包括：

对所述样本数据进行清洗，去除非肺炎的文本数据，对清洗后的数据进行分类、标注、分割，得到有效数据。

3.根据权利要求2所述的方法，其特征在于，所述对所述有效数据进行翻译并转化为具有数字特征的数字化数据包括：

对所述有效数据进行翻译，得到英文数据集，将所述英文数据集中的全部小写字母转换为大写字母，并将数据集中非字母形式的干扰数据进行抹除，形成只包括英文大写字母以及空格的数据集，将每一条数据列表化，得到一个二维张量结构的数据集；将26个字母使用1～26个数字进行替换，并将空格数据的有效特征值赋值为50，得到具有数字特征的数字化数据。

4.根据权利要求3所述的方法，其特征在于，所述设置随机鲁棒性机制，基于所述随机鲁棒性机制创建深度学习模型包括：

在一条数据中的随机位置插入一个空格，根据随机鲁棒性机制进行迭代，对非字母数据进行替换，创建LSTM和5层CNN相结合的混合神经网络深度学习模型。

5.根据权利要求4所述的方法，其特征在于，所述配置所述深度学习模型的参数包括：

LSTM的参数配置为embedding_dim参数为27，hidden_dim参数为17，num_layers参数为3，output_size参数为2，padding参数为1，使用词向量转换方法torch.nn.Embedding，其内部长度参数配置为180，LSTM模型的输出的结果作为第一层CNN的输入；

第一层CNN，Max_len参数配置值为17，hidden_dim隐藏层配置为40，kernel_size参数为3，bias参数为True，第一层神经网络采用了平均池化的操作，CNN完成第一层卷积后，进入第二层；

第二层CNN，Max_len参数配置值为40，hidden_dim隐藏层配置为70，kernel_size参数为3，bias参数为True；最大池化配置为参数stride参数为None,padding参数为0,ceil_mode参数为False,count_include_pad参数为True，第二层神经网络采用了最大池化的操作，操作完成后，进入第三层；

第三层CNN，Max_len参数配置值为70，hidden_dim隐藏层配置为100，kernel_size参数为3，bias参数为True；最大池化配置为参数stride参数为None,padding参数为0,ceil_mode参数为False,count_include_pad参数为True，第三层神经网络采用了最大池化的操作，操作完成后，进入第四层；

第四层CNN，Max_len参数配置值为100，hidden_dim隐藏层配置为130，kernel_size参数为3，bias参数为True；最大池化配置为参数stride参数为None,padding参数为0,ceil_mode参数为False,count_include_pad参数为True，第四层神经网络采用了最大池化的操作，操作完成后，进入第五层；

第五层CNN，Max_len参数配置值为130，hidden_dim隐藏层配置为160，kernel_size参数为3，bias参数为True；最大池化配置为参数stride参数为None,padding参数为0,ceil_mode参数为False,count_include_pad参数为True，第五层神经网络采用了最大池化的操作，操作完成后，输出识别结果。