[发明专利]一种基于深度学习的智能医疗自动问答方法在审

专利信息
申请号: 201710510408.7 申请日: 2017-06-28
公开(公告)号: CN107368547A 公开(公告)日: 2017-11-21
发明(设计)人: 王中方;老明瑞;张凯;张胜 申请(专利权)人: 西安交通大学
主分类号: G06F17/30 分类号: G06F17/30;G06F17/27;G06F19/00;G06N3/08
代理公司: 西安通大专利代理有限责任公司61200 代理人: 陆万寿
地址: 710049 陕*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于深度学习的智能医疗自动问答方法,包括1)构建答案池,再对所述答案池中的数据进行向量化;2)从互联网中获取医疗问答数据,再对医疗问答数据进行向量化,得训练文本向量,然后将其向量输入到神经网络中,并构建模型训练代价函数,再对该神经网络进行训练,得训练后的神经网络;3)提取待回答问题中每个词语的词向量,然后将各词语的词向量进行拼接,得待回答问题对应的文本向量;4)将步骤3)得到文本向量输入到训练后的神经网络中,得文本的特征向量,再将文本的特征向量输入到答案池中,得若干候选答案的特征向量,然后选取最佳答案,并输出所述最佳答案,该问答方法能够实现医疗问题的自动、准确回答。
搜索关键词: 一种 基于 深度 学习 智能 医疗 自动 问答 方法
【主权项】:
一种基于深度学习的智能医疗自动问答方法,其特征在于,包括以下步骤:1)构建存储有医疗问题、该医疗问题的答案以及该医疗问题所属领域的答案池,再对所述答案池中的数据进行向量化;2)从互联网中获取医疗问答数据,再对获取得到的医疗问答数据进行向量化,得训练文本向量,然后将所述训练文本向量输入到神经网络中,并构建模型训练代价函数,再通过模型训练代价函数对该神经网络进行训练,得训练后的神经网络;3)对待回答问题进行向量化,再提取待回答问题中每个词语的词向量,然后将待回答问题中各词语的词向量进行拼接,得待回答问题对应的文本向量;4)将步骤3)得到的待回答问题对应的文本向量输入到训练后的神经网络中,得文本的特征向量,再将文本的特征向量输入到答案池中,得若干候选答案的特征向量,然后从各候选答案的特征向量选取最佳答案,并输出所述最佳答案,完成基于深度学习的智能医疗自动问答。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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西安交通大学,未经西安交通大学许可,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/patent/201710510408.7/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code