一种信息处理设备、方法和存储介质技术

本发明专利技术实施例公开了一种信息处理设备、方法和存储介质，该设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如下操作：获取当前对象的当前病历信息；对当前病历信息进行分词处理，并确定分词结果中的每个词对应的第一词向量；将每个第一词向量输入至预设图网络模型中，并根据预设图网络模型的第一输出结果，确定每个词对应的注意力权重，其中，预设图网络模型根据医学知识图谱进行构建；根据预设分类网络模型、各个词对应的注意力权重和第一词向量，确定当前对象对应的分类结果。通过本发明专利技术实施例的技术方案，可以保证分类结果的准确性。

An information processing device, method and storage medium

【技术实现步骤摘要】
一种信息处理设备、方法和存储介质
本专利技术实施例涉及医学领域，尤其涉及一种信息处理设备、方法和存储介质。
技术介绍
通常，一些疾病有很多相似的症状，比如骨科脊柱方面的疾病，从而需要医生要有丰富的临床知识，也要不断地获取新的疾病知识，以便可以准确地进行诊断。现有技术中，可以通过将患者的病历信息直接输入至预先训练好的机器学习模型中，自动确定出患者的诊断结果，以避免因医生经验不足而导致出现误诊断的情况，从而可以提高诊断效率和准确度，并且可以辅助医生制定相应的治疗方案。然而，由于患者病历的撰写并没有完备的标准，使得病历质量参差不齐，从而导致患者的病历信息中会存在大量的冗余信息。若基于先验知识对认为无关或者不重要的信息进行排除，则可能会存在所排除信息中包含用于疾病分类的重要指标的情况，若不进行冗余信息的排除，则可能会导致利用现有的机器学习模型无法准确地进行疾病分类。
技术实现思路
本专利技术实施例提供了一种信息处理设备、方法和存储介质，以保证分类结果的准确性。第一方面，本专利技术实施例提供了一种信息处理设备，本文档来自技高网...

【技术保护点】
1.一种信息处理设备，其特征在于，包括：/n一个或多个处理器；/n存储器，用于存储一个或多个程序；/n当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如下操作：/n获取当前对象的当前病历信息；/n对所述当前病历信息进行分词处理，并确定分词结果中的每个词对应的第一词向量；/n将每个所述第一词向量输入至预设图网络模型中，并根据所述预设图网络模型的第一输出结果，确定每个词对应的注意力权重，其中，所述预设图网络模型根据医学知识图谱进行构建；/n根据预设分类网络模型、各个词对应的所述注意力权重和所述第一词向量，确定所述当前对象对应的分类结果。/n

【技术特征摘要】
1.一种信息处理设备，其特征在于，包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如下操作：
获取当前对象的当前病历信息；
对所述当前病历信息进行分词处理，并确定分词结果中的每个词对应的第一词向量；
将每个所述第一词向量输入至预设图网络模型中，并根据所述预设图网络模型的第一输出结果，确定每个词对应的注意力权重，其中，所述预设图网络模型根据医学知识图谱进行构建；
根据预设分类网络模型、各个词对应的所述注意力权重和所述第一词向量，确定所述当前对象对应的分类结果。


2.根据权利要求1所述的设备，其特征在于，确定分词结果中的每个词对应的第一词向量，包括：
根据预设词汇表，对分词结果中的每个词进行独热One-Hot编码，并将编码结果确定为相应的第一词向量。


3.根据权利要求1所述的设备，其特征在于，所述预设图网络模型通过如下步骤实现确定每个词对应的注意力权重的功能：
基于所述预设图网络模型的各个网络层对当前输入的第一词向量进行处理，确定每个分类节点对应的分类概率；
对各个所述分类概率取绝对值，并将取绝对值后的各个分类概率进行相加；
将相加结果确定为当前输入的第一词向量对应的词所对应的注意力权重，并将所述相加结果作为所述预设图网络模型的第一输出结果进行输出。


4.根据权利要求3所述的设备，其特征在于，在确定每个词对应的注意力权重之后，还包括：
检测是否存在所述注意力权重为0的目标词；
若是，则将所述目标词对应的注意力权重更新为1，并利用更新后的注意力权重确定所述当前对象对应的分类结果。


5.根据权利要求1所述的设备，其特征在于，根据预设分类网络模型、各个词对应的所述注意力权重和所述第一词向量，确定所述当前对象对应的分类结果，包括：
根据每个词对应的所述注意力权重，对每个词对应的所述第一词向量进行更新；
将更新后的各个第一词向量输入至预设分类网络模型中，根据所述预设分类网络模型的输出，确定所述当前对象对应的分类结果。


6.根据权利要求1所述的设备，其特征在于，在对所述当前病历信息进行分词处理之后，还包括：
将分词结果输入至预设语言处理模型中，并根据所述预设语言处理模型的输出确定所述分词结果中的每个词对应的第二词向量；
相应地，根据预设分类网络模型、各个词对应的所述注意力权重和所述第一词向量，确定所述当前对象对应的分类结果，包括：
根据预设分类网络模型、各个词对应的所述注意力权重和所述第二词向量，确定所述当前对象对应的分类结果。


7.根据权利要求1-6任一所述的设备，其特征在于，在使用所述预设图网络模型之前，还包括所述预设图网络模型的训练过程，具体包括：
获取多个样本数据，其中，所述样本数据包括样本病历信息中的各个样本词对应的样本词向量和相应的标准分类结果；
将各所述样本词向量输入至预设图...

【专利技术属性】
技术研发人员：唐雯，张荣国，李新阳，陈宽，王少康，
申请(专利权)人：北京推想科技有限公司，
类型：发明
国别省市：北京;11