[发明专利]一种基于自动标签和多模型融合的智能导诊算法

摘要

本发明公开了一种基于自动标签和多模型融合的智能导诊算法，包括步骤S200：数据标签增强和S300：多模型预测融合的步骤。所述步骤S200中从语义向量角度，进行单数据源内标签校正增强；从多数据源差异角度，进行跨数据源标签增强；本发明采用单数据源、跨数据源标签增强技术，大幅度校正预标注数据，使标签准确率得到保证。所述步骤300中首先进行单数据源内模型融合，而后进行跨数据源模型融合，本发明采用多模型融合技术，大幅度提高模型预测准确性、鲁棒性。

主权项

1.一种基于自动标签和多模型融合的智能导诊算法，其特征在于，主要包括以下步骤：步骤S200：数据标签增强：基于医疗基础数据集训练语义向量word2vec，并在网络咨询数据上微调语义向量；针对每个数据源，基于语义向量，计算患者信息相似度；选择相似度大于设定阈值的样本聚簇，并在每个簇内进行标签投票；当指定簇内最大标签比例大于指定阈值时，将该簇内样本均赋为其最大概率标签；每个数据源分别训练textcnn、dppcnn、dpcnn模型；针对每个数据源样本，利用其它数据源的模型进行预测，并合并统计预测标签概率分布；当最大概率与第二大概率差值大于设定阈值，且与原标签不一致时，则纠正原标签为最大概率标签；步骤S300：多模型预测融合：针对步骤S200中的结果，每个数据源重新训练textcnn、dppcnn、dpcnn模型；针对每个数据源，在三个模型的基础上添加线性加权层，并从剩余数据源中随机筛选其他模型预测较为一致的样本，并用这些样本训练线性加权层；每个数据源得到一个融合的预测模型。