[发明专利]基于综合特征表示与改进宽深度模型的相似病例推荐方法

摘要

本发明涉及基于综合特征表示与改进宽深度模型的相似病例推荐方法，属于计算机自然语言处理技术领域。本发明首先通过利用综合特征表示模型得到病历描述的综合特征，进行疾病筛查；其次，采用交叉特征法处理离散特征，输入到线性部分中，并将病历描述的综合特征和浅层模型特征相融合，输入到以门循环单元为核心的推荐排序部分中；最后，在数百条候选病例的基础之上，输出数十个病例推荐项。本发明实现了个性化病例推荐，提出了一种传统浅层线性模型与深度网络模型相结合的推荐排序算法模型，提高了相似病例推荐的准确性。

主权项

1.基于综合特征表示与改进宽深度模型的相似病例推荐方法，其特征在于：所述方法具体步骤如下：Step1、首先对文本进行医疗文本脱敏，并对医疗文本分词；将中医特色名词术语，中医基础理论名词、中医独特的病名和症名，中医治则治法名词和中药方剂名词，加入THULAC词库，并使用THULAC进行分词，得到以词为单位的语料表示；Step2、进行特征分区，将离散特征映射成实值向量；将连续特征根据Step1中步骤进行分词，使用Word2Vec得到语料的词向量表示；Step3、构建基于门限卷积变分自编码器的综合特征表示模型；首先，根据Step2中的特征分区，将两部分特征进行维度的融合，其中连续特征采用基于门限卷积变分自动编码器算法进行特征表示；最后，得到中医电子病历中的高级语义信息表示；Step4、构建基于改进宽深度模型的相似病例推荐模型；分别对每个医生分别构建相似病例推荐模型；根据Step3得到的病历综合特征表示，排序输出数十个病例推荐项给医生。