[发明专利]基于文本的抑郁判定网络模型的训练方法在审
| 申请号： | 201910502642.4 | 申请日： | 2019-06-11 |
| 公开（公告）号： | CN110222827A | 公开（公告）日： | 2019-09-10 |
| 发明（设计）人： | 吴梦玥;俞凯;丁翰林 | 申请（专利权）人： | 苏州思必驰信息科技有限公司;上海交通大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/08;G16H50/70 |
| 代理公司： | 北京商专永信知识产权代理事务所(普通合伙) 11400 | 代理人： | 方挺;车江华 |
| 地址： | 215123 江苏省苏州市苏*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开一种基于文本的抑郁判定网络模型的训练方法，所述抑郁判定网络模型包括双向LSTM网络单元和与所述双向LSTM网络单元的输出端连接的attention池化层，该方法包括：从样本库中获取患者针对医生提问的样本回答文本内容并输入至预先训练的BERT网络模型，以得到相应的样本向量序列；将所述样本向量序列作为输入，并采用多任务学习方式训练所述抑郁判定网络模型；所述attention池化层输出对所述患者抑郁的判定结果。简化了用于训练抑郁判定网络模型的方法，降低了抑郁判断成本，并且由于采用了BERT网络模型保证了抑郁判定的准确度。极大的降低了在抑郁检测领域推广计算机辅助医疗技术的成本与难度。 | ||
| 搜索关键词： | 抑郁 网络模型 判定 网络单元 样本向量 池化 计算机辅助医疗 文本 输出端连接 检测领域 判定结果 任务学习 文本内容 准确度 样本库 样本 输出 提问 申请 医生 保证 | ||
【主权项】：
1.一种基于文本的抑郁判定网络模型的训练方法，所述抑郁判定网络模型包括双向LSTM网络单元和与所述双向LSTM网络单元的输出端连接的attention池化层，所述方法包括：从样本库中获取患者针对医生提问的样本回答文本内容并输入至预先训练的BERT网络模型，以得到相应的样本向量序列；将所述样本向量序列作为输入，并采用多任务学习方式训练所述抑郁判定网络模型；所述attention池化层输出对所述患者抑郁的判定结果。
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苏州思必驰信息科技有限公司;上海交通大学，未经苏州思必驰信息科技有限公司;上海交通大学许可，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/201910502642.4/，转载请声明来源钻瓜专利网。
