[发明专利]应急预案的匹配方法及紧急医学救援协同指挥平台系统有效
申请号: | 202310745981.1 | 申请日: | 2023-06-25 |
公开(公告)号: | CN116542241B | 公开(公告)日: | 2023-09-08 |
发明(设计)人: | 古绍俊;冯思伟;杨靖;廖小雪 | 申请(专利权)人: | 四川蔚丰云联信息科技有限公司 |
主分类号: | G06F40/226 | 分类号: | G06F40/226;G06F18/24;G06F40/166;G06N3/08;G06Q10/06;G06Q50/22;G10L15/06;G10L15/08;G10L15/16;G10L15/183;G10L15/26;G10L15/30 |
代理公司: | 成都行之智信知识产权代理有限公司 51256 | 代理人: | 马丽青 |
地址: | 610000 四川省成都*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 应急 预案 匹配 方法 紧急 医学 救援 协同 指挥 平台 系统 | ||
1.一种应急预案的匹配方法,其特征在于,包括:
S1、通过上报平台获取相关的语音上报信息,并将所述语音上报信息转换为初始文本信息;
S2、将所述初始文本信息通过训练好的文本纠错模型进行纠错,得到第一中间文本信息,同时,根据所述初始文本信息对所述文本纠错模型重新进行训练;
S3、将所述第一中间文本信息输入至训练好的分类模型中进行分类,找到对应的应急预案,同时,根据所述第一中间文本信息对所述分类模型重新进行训练;
所述分类模型为BERT模型,训练所述BERT模型的具体过程为:
A1、基于已经存在的历史的语音上报信息的第一文本信息人工进行应急预案分类标注,将每一种上报信息属于的应急预案标注出来,所述第一文本信息和对应的应急预案组成第二数据集;
A2、针对没有被对应的应急预案,根据实际情况自编辑多条符合灾难发生时的上报对话的第二文本信息,使没有被对应的应急预案有对应的第二文本信息,并将该应急预案进行分类标注;
A3、将A2编辑的上报对话的文本信息处理为content+label格式,与对应的应急预案形成第三数据集;
A4、将所述第二数据集和第三数据集形成总数据集,并将所述总数据集按照一定比例划分为第二训练集、第二验证集和第二测试集,将所述第二训练集输入至BERT模型进行训练,并通过所述第二验证集自动计算所述BERT模型的相关的准确性、召回率、F1值,以监控BERT模型的性能,从而根据监控数据判定是否对BERT模型进行微调,再通过所述第二测试集对验证合格后的所述BERT模型进行测试评估,根据测试评估结果来微调所述BERT模型,测试合格后获得合格的分类模型;
形成第二数据集的具体过程为:
B1、根据相关分类以及对应等级将应急预案进行编码并标注,形成第一报警编码;
B2、将历史的语音上报信息转换为第一文本信息,在转换时,将所述语音上报信息中的标点和语气词统一替换为空格,以消除语音转换文字的差异性;
B3、将第一文本信息与所述第一报警编码进行对应,形成第二数据集;
形成第三数据集的具体过程为:
C1、根据相关分类以及对应等级将未对应的应急预案进行编码并标注,形成第二报警编码;
C2、将进行格式转换后的自编辑的第二文本信息与所述第二报警编码进行对应,形成第三数据集;
训练并验证所述Bert模型的过程为:
D1、在所述总数据集中抽取100条数据作为第二测试集,并将抽取数据后的所述总数据集的80%分为第二训练集,20%分为第二验证集;
D2、选择一个第二预训练模型bert-base-chinese作为基础模型,所述Bert模型通过transformers加载所述基础模型后得到第一中间模型;
D3、在所述第一中间模型上添加一个全连接层得到第二中间模型;
D4、将所述第二训练集输入至所述第二中间模型进行训练,并通过梯度下降算法来更新所述第二中间模型的参数,以最小化损失函数,最终得到BERT模型;
D5、使用所述第二验证集对D4后得到的BERT模型进行验证,并将所述第二测试集输入至验证后的所述BERT模型进行评分,并定义:若应急预案分类错误扣除5分,若应急预案分类正确但等级错误扣除1分,基于前述定义根据所述BERT模型的输出结果最终获得相应测试结果;
D6、若测试结果达到预期,则该BERT模型为最终的分类模型;若测试结果未达预期,返回D1,重新对所述Bert模型进行训练;
S4、使用关键词抽取模型抽取与应急预案相关的所述第一中间文本信息的关键信息,并基于所述关键信息执行对应的应急预案,同时,根据所述第一中间文本信息对所述关键词抽取模型重新进行训练。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于四川蔚丰云联信息科技有限公司,未经四川蔚丰云联信息科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310745981.1/1.html,转载请声明来源钻瓜专利网。