基于BERT语言模型与CNN模型的中医胃痛养生方案获取装置制造方法及图纸

本发明专利技术提供了一种基于BERT语言模型与CNN模型的中医胃痛养生方案获取装置，其特征在于，包括：BERT模型，用于对患者胃痛症状进行处理，从而得到该患者胃痛症状对应的句向量；CNN模型，用于基于句向量进行养生方案的概率预测，得到每个养生方案的概率值，将最大的概率值对应的养生方案作为患者养生方案。其中，BERT模型以及CNN模型的训练过程包括如下步骤：从中医养生知识书籍中获取养生数据集；从中医问诊数据集中获取训练集；将养生数据集输入预先搭建好的BERT模型进行训练，从而得到训练好的BERT模型；利用训练好的BERT模型从训练集中提取到词嵌入表示；将词嵌入表示输入到预先搭建好的CNN模型进行训练，从而得到训练好的CNN模型。的CNN模型。的CNN模型。

【技术实现步骤摘要】
基于BERT语言模型与CNN模型的中医胃痛养生方案获取装置


[0001]本专利技术属于计算机辅助诊断领域，具体涉及一种基于BERT语言模型与CNN模型的中医胃痛养生方案获取装置。

技术介绍

[0002]近年来，人工智能成为推动社会经济发展的新动力之一，在提高社会生产效率、实现社会发展和经济转型等方面发挥重要作用。作为主导新一代产业变革的核心力量，人工智能在医疗方面展示出了新的应用方式，在深度融合中又催生出新业态。
[0003]从全球范围来看，目前人工智能医疗产业仍处于发展早期阶段，相比于传媒、零售、教育等领域来说，商业化程度偏低。但随着市场需求不断扩大，向专业化细分领域深化发展，加之各国宏观政策支持和技术进步等，人工智能医疗发展前景广阔。人工智能医疗具有广泛的市场需求和多元业务趋向，拥有广阔的发展空间。目前，市场规模高速增长，大量初创公司不断涌现。预计到2025年，人工智能应用市场总值将达到1270亿美元。其中，医疗行业将占市场规模的五分之一。
[0004]中国作为新兴市场国家的领头羊，人工智能医疗始终保持高速发展态势。目前，我本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BERT语言模型与CNN模型的中医胃痛养生方案获取装置，用于针对患者胃痛症状推理得到对应的患者养生方案，其特征在于，包括：BERT模型，用于对所述患者胃痛症状进行处理，从而得到该患者胃痛症状对应的句向量；以及CNN模型，用于基于所述句向量进行养生方案的概率预测，得到每个所述养生方案的概率值，将最大的所述概率值对应的养生方案作为所述患者养生方案，其中，所述BERT模型以及所述CNN模型的训练过程包括如下步骤：步骤S1
‑
1，从不同中医养生知识书籍中获取不同胃痛病人临床表现以及对应的养生方案，作为养生数据集；步骤S1
‑
2，获取中医问诊数据集，对该中医问诊数据集进行预处理，从而得到标准数据集，将该标准数据集划分为训练集、验证集以及测试集；步骤S1
‑
3，将所述养生数据集输入预先搭建好的BERT模型进行训练，从而得到训练好的BERT模型；步骤S1
‑
4，利用所述训练好的BERT模型从所述训练集中提取到词嵌入表示；步骤S1
‑
5，将所述词嵌入表示输入到预先搭建好的CNN模型进行训练，从而得到训练好的CNN模型。2.根据权利要求1所述的基于BERT语言模型与CNN模型的中医胃痛养生方案获取装置，其特征在于：其中，所述标准数据集通过如下步骤得到：步骤S2
‑
1，对所述中医问诊数据集进行单词分割，得到各个单词；步骤S2
‑
2，对所有所述单词进行文本清洗，从而去除所述中医问诊记录数据中无用的标签、特殊符号以及停用词，得到清洗后数据集；步骤S2
‑
3，利用中医语料库对所述清洗后数据集中的白话文进行同义词转换、替代以及重构，从而得到所述标准数据集。3.根据权利要求1所述的基于BERT语言模型与CNN模型的中医胃痛养生方案获取装置，其特征在于：其中，所述BERT模型包含有12层transformer，该transformer为由多头注意力机制构成的组件，所述多头注意力机制由8个self
...

【专利技术属性】
技术研发人员：周峰，吕智慧，严绍根，林榕健，徐杨川，陈宇，
申请(专利权)人：浙江智树网络科技有限公司，
类型：发明
国别省市：