当前位置: 首页 > 专利查询>东南大学专利>正文

一种基于多维度分类标签的医患纠纷类案件推荐方法技术

技术编号:18445016 阅读:81 留言:0更新日期:2018-07-14 10:25
本发明专利技术公开了一种基于多维度分类标签的医患纠纷类案件推荐方法,包括:(1)定义医患纠纷案件的争议焦点模板,每个争议焦点模板内包括多个要素;(2)以争议焦点模板中的要素作为基本标签,建立医患纠纷案件的多维度分类标签体系;(3)采用正则表达式定义抽取规则,从医患纠纷类案件中抽取争议焦点,为每个案件形成一个多维度分类标签;(4)根据用户的查询语句生成多维度分类标签,并计算其与每个案件的多维度分类标签的相似度,按照相似度最高到最低的排序为用户推荐案件。本发明专利技术准确度更高。

A method of recommending medical dispute cases based on multidimensional classification labels

The invention discloses a medical and patient dispute recommendation method based on multi dimension classified label, including: (1) defining the focus template of the dispute between doctors and patients, including several factors in the template of each dispute focus; (2) the multi-dimensional classification of medical dispute cases is set up with the elements of the dispute focus template as the basic label. Label system; (3) using regular expression definition extraction rules, extracting dispute focus from medical and patient disputes, forming a multi-dimensional classification label for each case; (4) generating multi dimension classified labels according to user's query statements, and calculating the similarity of multi dimension classified labels with each case, according to the similarity. The highest to lowest ranking is user recommendation case. The invention has higher accuracy.

【技术实现步骤摘要】
一种基于多维度分类标签的医患纠纷类案件推荐方法
本专利技术涉及自然语言处理,尤其涉及一种基于多维度分类标签的医患纠纷类案件推荐方法。
技术介绍
医患纠纷是指基于医疗行为在医方(医疗机构)与患方(患者或者患者亲属)之间产生的,对医疗行为、结果及其原因、责任等在认识上产生分歧而引发的争议。近年来,人们对医疗服务需求在不断增长,对服务质量的要求和维权意识也在提高;而中国医疗卫生事业的改革与发展相对滞后,由此导致医患纠纷案件数量逐年上升,在很多地方甚至出现了多起因医患纠纷引发的恶性案件。医患纠纷类案推荐系统是协助调解员或医患当事人或普通群众进行纠纷情况的简要输入,然后通过大数据分析工具在大量已有的裁判文书库、典型案例库以及已有纠纷案例库中进行文本相似性、案例要素相似性的比对,提供与输入纠纷相似的案件供参考,帮助调解员进行案件分析说理,也可协助医患当事人客观分析现状,有效拉近医患双方的期望值,提高调解效率和成功率。准确率是衡量类案推荐效果的关键指标,直接反映系统的可用性;而现有的基于文本主题或者词频权重的推荐算法,在医患纠纷类案推荐方面准确率普通较低,缺乏实际应用价值。主题模型是用来在一系列文档中发现抽象主题的一种统计模型,主题模型自动分析每个文档,统计文档内的词语,根据统计的信息来断定当前文档包含哪些主题,以及每个主题所占的比例各为多少,从而衡量文本的相似度。然而,使用主题及其比例并不能准确地衡量医患纠纷案件判决书之间的相似度。例如,两个医患纠纷案例在案情描述部分以同样的篇幅描述患者的病状以及医院采取的医疗行为措施,在结论部分,一个案例是“医院的医疗行为与患者的损害结果具有因果关系”,而另一个案例却是“病人在医院意外滑倒,医院负管理责任”。两个主题及其比例很“相似”的案例实则完全不同。在上述例子中,基于词频权重的算法如向量空间模型和TF-IDF方法同样不奏效。
技术实现思路
专利技术目的:本专利技术针对现有技术存在的问题,提供一种基于多维度分类标签的医患纠纷类案件推荐方法,该方法首先构建类案的多维分类标签体系和相应的争议焦点模板,通过有监督学习的方法将已有的案例以及用户查询语句进行分类打上多个维度的分类标签,实现多维度分类标签过滤的预处理,压缩搜索空间并有效突出争议焦点,然后基于争议焦点模板进行案例相似度的计算,提高类案推送的精准度,解决以往各种算法医患类案推荐偏离度高、准确率低的问题。技术方案:本专利技术所述的基于多维度分类标签的医患纠纷类案件推荐方法包括:(1)定义医患纠纷案件的争议焦点模板,每个争议焦点模板内包括多个要素;(2)以争议焦点模板中的要素作为基本标签,建立医患纠纷案件的多维度分类标签体系;(3)采用正则表达式定义抽取规则,从医患纠纷类案件中抽取争议焦点,为每个案件形成一个多维度分类标签;(4)根据用户的查询语句生成多维度分类标签,并计算其与每个案件的多维度分类标签的相似度,按照相似度最高到最低的排序为用户推荐案件。进一步的,所述步骤(1)中的争议焦点模板具体为争议焦点的形式化,争议焦点的要素对应该争议焦点进行描述和表示的属性。进一步的,所述步骤(2)具体包括:将医患纠纷案件的多维度分类标签体系分为三级,包括由医患纠纷争议焦点模板要素构成的三级标签、对第三级标签进行概括的二级标签以及对第二级标签概括的一级标签,每个医患纠纷案例对应一个一级标签,每个一级标签下有多个二级标签,每个二级标签下有一至多个三级标签。进一步的,步骤(3)具体包括:(3.1)使用定义的争议焦点模板匹配医患纠纷类案件的争议焦点,其中,一个医患纠纷类案件匹配一至多个争议焦点模板;(3.2)使用正则表达式构建规则,基于规则提取医患纠纷类案件的争议焦点要素;(3.3)将争议焦点要素转化对应案件的三级标签;(3.4)根据案件的三级标签,为该案件添加二级标签和一级标签。进一步的,所述步骤(4)具体包括:(4.1)获取用户输入的查询语句,通过争议焦点模板和步骤(3)的抽取规则对查询语句进行抽取,得到用户查询语句对应的多维度分类标签;(4.2)计算用户查询语句对应的多维度分类标签和每个案件的多维度分类标签的相似度,其中,相似度计算公式为:sim(x,y)=α·sim(x1,y1)+β·sim(x21...x2i,y21...y2k)+γ·sim(x31...x3j,y31...y3t)式中,sim(x,y)表示多维度分类标签x和多维度分类标签y的相似度,α,β,γ为权重参数,且满足α+β+γ=1,sim(x1,y1)表示多维度分类标签x的一级标签x1和多维度分类标签y的一级标签y1的相似度,sim(x21...x2i,y21...y2k)表示多维度分类标签x的二级标签和多维度分类标签y的二级标签的相似度,sim(x31...x3j,y31...y3t)表示多维度分类标签x的三级标签和多维度分类标签y的三级标签的相似度,x21...x2i表示多维度分类标签x的i个二级标签,y21...y2k表示多维度分类标签y的k个二级标签,x31...x3j表示多维度分类标签x的j个三级标签,y31...y3t表示多维度分类标签y的t个三级标签;(4.3)按照相似度最高到最低的排序为用户推荐案件。进一步的,sim(x1,y1)、sim(x21...x2i,y21...y2k)、sim(x31...x3j,y31...y3t)的计算公式分别为:式中,count(*)表示该级标签中,相同标签的个数。其中,所述权重参数α,β,γ可以通过以下方式得到:(4.2.1)获取部分医患纠纷类案件作为训练集,使用公式求得两两案件在其各级标签上的相似度sim(x1,y1),sim(x21...x2i,y21...y2k),sim(x31...x3j,y31...y3t),组成一个样本集;(4.2.2)对似然函数取对数,得到优化目标函数:式中,表示步骤(4.2.1)计算得到的第l个样本的sim(x1,y1),表示第l个样本的sim(x21...x2i,y21...y2k),表示第l个样本的sim(x31...x3j,y31...y3t);(4.2.3)使用梯度下降法求解目标函数,得到α,β,γ最优值;(4.2.4)随机选择其他样本集,返回执行(4.2.1),将多个最优值求平均值,作为最终的参数值。或者,权重参数α,β,γ通过获取用户直接填写的α,β,γ的值得到,或通过用户用户对标签进行的添加、删除、上移以及下移的操作,为不同的标签赋予不同的权重。有益效果:本专利技术与现有技术相比,其显著优点是:本专利技术使用规则抽取法提取争议焦点,并根据争议焦点为案例打上多维度分类标签,实现多维度分类标签过滤的预处理,可以消除案件判决书中冗余信息对推荐的影响;使用争议焦点模板匹配医患纠纷案例的争议焦点,可以降低相似度计算的复杂度和提高类案推送的精准度。附图说明图1是本专利技术的一个实施例的流程示意图。具体实施方式本实施例提供了一种基于多维度分类标签的医患纠纷类案件推荐方法,如图1所示,包括:(1)定义医患纠纷案件的争议焦点模板,每个争议焦点模板内包括多个要素。其中,争议焦点模板具体为争议焦点的形式化,争议焦点的要素对应该争议焦点进行描述和表示的属性,例如,疾病类型、医疗行为、诊疗过程、造成后果以及责任归属等诸本文档来自技高网
...

【技术保护点】
1.一种基于多维度分类标签的医患纠纷类案件推荐方法,其特征在于包括:(1)定义医患纠纷案件的争议焦点模板,每个争议焦点模板内包括多个要素;(2)以争议焦点模板中的要素作为基本标签,建立医患纠纷案件的多维度分类标签体系;(3)采用正则表达式定义抽取规则,从医患纠纷类案件中抽取争议焦点,为每个案件形成一个多维度分类标签;(4)根据用户的查询语句生成多维度分类标签,并计算其与每个案件的多维度分类标签的相似度,按照相似度最高到最低的排序为用户推荐案件。

【技术特征摘要】
1.一种基于多维度分类标签的医患纠纷类案件推荐方法,其特征在于包括:(1)定义医患纠纷案件的争议焦点模板,每个争议焦点模板内包括多个要素;(2)以争议焦点模板中的要素作为基本标签,建立医患纠纷案件的多维度分类标签体系;(3)采用正则表达式定义抽取规则,从医患纠纷类案件中抽取争议焦点,为每个案件形成一个多维度分类标签;(4)根据用户的查询语句生成多维度分类标签,并计算其与每个案件的多维度分类标签的相似度,按照相似度最高到最低的排序为用户推荐案件。2.根据权利要求1所述的基于多维度分类标签的医患纠纷类案件推荐方法,其特征在于:所述步骤(1)中的争议焦点模板具体为争议焦点的形式化,争议焦点的要素对应该争议焦点进行描述和表示的属性。3.根据权利要求1所述的基于多维度分类标签的医患纠纷类案件推荐方法,其特征在于:所述步骤(2)具体包括:将医患纠纷案件的多维度分类标签体系分为三级,包括由医患纠纷争议焦点模板要素构成的三级标签、对第三级标签进行概括的二级标签以及对第二级标签概括的一级标签,每个医患纠纷案例对应一个一级标签,每个一级标签下有多个二级标签,每个二级标签下有一至多个三级标签。4.根据权利要求1所述的基于多维度分类标签的医患纠纷类案件推荐方法,其特征在于:步骤(3)具体包括:(3.1)使用定义的争议焦点模板匹配医患纠纷类案件的争议焦点,其中,一个医患纠纷类案件匹配一至多个争议焦点模板;(3.2)使用正则表达式构建规则,基于规则提取医患纠纷类案件的争议焦点要素;(3.3)将争议焦点要素转化对应案件的三级标签;(3.4)根据案件的三级标签,为该案件添加二级标签和一级标签。5.根据权利要求1所述的基于多维度分类标签的医患纠纷类案件推荐方法,其特征在于:所述步骤(4)具体包括:(4.1)获取用户输入的查询语句,通过争议焦点模板和步骤(3)的抽取规则对查询语句进行抽取,得到用户查询语句对应的多维度分类标签;(4.2)计算用户查询语句对应的多维度分类标签和每个案件的多维度分类标签的相似度,其中,相似度计算公式为:sim(x,y)=α·sim(x1,y1)+β·sim(x21...x2i,y21...y2k)+γ·sim(x31...x3j,y31...y3t)式中,sim(x,y)表示多维度分类标签x和多维度...

【专利技术属性】
技术研发人员:张柏礼刘彤周佑勇王禄生吴明吕建华
申请(专利权)人:东南大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1