一种资料审查方法、装置及终端设备制造方法及图纸

本申请适用于神经网络模型技术领域，提供了一种资料审查方法、装置及终端设备，方法包括：获取审查资料并确定对应的至少一个审查要素信息；将审查要素信息分别输入到预训练的长短期记忆网络模型中处理，得到与每个审查要素信息对应的审查结果；根据审查结果生成与审查资料对应的评估结果。本申请实现基于深度学习算法对审查资料进行审查，得到对应的评估结果，提高了审查资料的审查效率，审查结果的精度和稳定性。度和稳定性。度和稳定性。

【技术实现步骤摘要】
一种资料审查方法、装置及终端设备


[0001]本申请属于神经网络模型
，尤其涉及一种资料审查方法、装置及终端设备。

技术介绍

[0002]在医药研发与医疗器械研究领域中，易引发一些复杂的伦理问题和法律争议，因此需要对医学资料进行伦理审查。
[0003]相关的资料审查方法通常为由经验审查人员进行线下人工审核，审查效率低，且审查结果稳定性不高，一定程度上影响了医学技术的进展。

技术实现思路

[0004]本申请实施例提供了一种资料审查方法、装置及终端设备，可以解决相关的资料审查方法的审查效率低，审查结果稳定性不高的问题。
[0005]第一方面，本申请实施例提供了一种资料审查方法，包括：
[0006]获取审查资料并确定对应的至少一个审查要素信息；
[0007]将所述审查要素信息分别输入到预训练的长短期记忆网络模型中处理，得到与每个所述审查要素信息对应的审查结果；
[0008]根据所述审查结果生成与所述审查资料对应的评估结果。
[0009]在一个实施例中，所述获取审查资料并确定对应的至少一个审查要素信息之前，包括：
[0010]获取审查资料训练数据集；所述审查资料训练数据集包括多个审查样本数据，每个审查样本数据包括至少一个审查要素样本数据；
[0011]根据所述审查资料训练数据集对长短期记忆网络模型进行预训练，获得所述预训练的长短期记忆网络模型。
[0012]在一个实施例中，所述根据所述审查资料训练数据集对长短期记忆网络模型进行预训练，获得所述预训练的长短期记忆网络模型，包括：
[0013]通过预设识别算法确定每个所述审查样本数据中的审查要素样本数据；
[0014]确定与每个审查要素样本数据关联的审查结果样本数据，对所述审查要素样本数据添加对应的标签；
[0015]将所述审查要素样本数据输入至所述长短期记忆网络模型中进行预训练，获得所述预训练的长短期记忆网络模型。
[0016]在一个实施例中，所述获取审查资料并确定对应的至少一个审查要素信息，包括：
[0017]获取审查资料；
[0018]基于预设识别算法确定所述审查资料中的至少一个审查要素信息；其中，所述预设识别算法包括但不限于文字识别算法和自然语言处理算法中的至少一种。
[0019]在一个实施例中，所述审查结果包括审查通过，风险预警和审查失败；
[0020]所述根据所述审查结果生成与所述审查资料对应的评估结果，包括：
[0021]在检测到所有审查结果均为审查通过时，对应生成第一评估结果；
[0022]在检测到所有审查结果中不存在审查失败且存在至少一个风险预警时，对应生成第二评估结果；
[0023]在检测到所有审查结果中存在至少一个审查失败时，对应生成第三评估结果。
[0024]第二方面，本申请实施例提供了一种资料审查装置，包括：
[0025]信息确定模块，用于获取审查资料并确定对应的至少一个审查要素信息；
[0026]信息处理模块，用于将所述审查要素信息分别输入到预训练的长短期记忆网络模型中处理，得到与每个所述审查要素信息对应的审查结果；
[0027]评估模块，用于根据所述审查结果生成与所述审查资料对应的评估结果。
[0028]在一个实施例中，所述装置，还包括：
[0029]数据集确定模块，用于获取审查资料训练数据集；所述审查资料训练数据集包括多个审查样本数据，每个审查样本数据包括至少一个审查要素样本数据；
[0030]预训练模块，用于根据所述审查资料训练数据集对长短期记忆网络模型进行预训练，获得所述预训练的长短期记忆网络模型。
[0031]在一个实施例中，所述预训练模块，包括：
[0032]样本数据提取单元，用于通过预设识别算法确定每个所述审查样本数据中的审查要素样本数据；
[0033]标签单元，用于确定与每个审查要素样本数据关联的审查结果样本数据，对所述审查要素样本数据添加对应的标签；
[0034]预训练单元，用于将所述审查要素样本数据输入至所述长短期记忆网络模型中进行预训练，获得所述预训练的长短期记忆网络模型。
[0035]在一个实施例中，所述信息确定模块，包括：
[0036]信息获取单元，用于获取审查资料；
[0037]信息提取单元，用于基于预设识别算法确定所述审查资料中的至少一个审查要素信息；其中，所述预设识别算法包括但不限于文字识别算法和自然语言处理算法中的至少一种。
[0038]在一个实施例中，所述审查结果包括审查通过，风险预警和审查失败；
[0039]在一个实施例中，所述评估模块，包括：
[0040]第一评估单元，用于在检测到所有审查结果均为审查通过时，对应生成第一评估结果；
[0041]第二评估单元，用于在检测到所有审查结果中不存在审查失败且存在至少一个风险预警时，对应生成第二评估结果；
[0042]第三评估单元，用于在检测到所有审查结果中存在至少一个审查失败时，对应生成第三评估结果。
[0043]第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面任一项所述的资料审查方法。
[0044]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储
介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面任一项所述的资料审查方法。
[0045]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的资料审查方法。
[0046]本申请实施例与现有技术相比存在的有益效果是：通过确定审查资料中的至少一个审查要素信息，并基于预训练的长短期记忆网络模型中处理，得到与每个审查要素信息对应的审查结果，从而实现基于深度学习算法得到与审查资料对应的评估结果，提高了审查资料的审查效率，审查结果的精度和稳定性。
[0047]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
[0048]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0049]图1是本申请实施例提供的资料审查方法的流程示意图；
[0050]图2是本申请实施例提供的资料审查方法的另一流程示意图；
[0051]图3是本申请实施例提供的资料审查方法步骤S202的流程示意图；
[0052]图4是本申请实施例提供的资料审查装置的结构示意图；
[0053]图5是本申请实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种资料审查方法，其特征在于，包括：获取审查资料并确定对应的至少一个审查要素信息；将所述审查要素信息分别输入到预训练的长短期记忆网络模型中处理，得到与每个所述审查要素信息对应的审查结果；根据所述审查结果生成与所述审查资料对应的评估结果。2.如权利要求1所述的资料审查方法，其特征在于，所述获取审查资料并确定对应的至少一个审查要素信息之前，包括：获取审查资料训练数据集；所述审查资料训练数据集包括多个审查样本数据，每个审查样本数据包括至少一个审查要素样本数据；根据所述审查资料训练数据集对长短期记忆网络模型进行预训练，获得所述预训练的长短期记忆网络模型。3.如权利要求2所述的资料审查方法，其特征在于，所述根据所述审查资料训练数据集对长短期记忆网络模型进行预训练，获得所述预训练的长短期记忆网络模型，包括：通过预设识别算法确定每个所述审查样本数据中的审查要素样本数据；确定与每个审查要素样本数据关联的审查结果样本数据，对所述审查要素样本数据添加对应的标签；将所述审查要素样本数据输入至所述长短期记忆网络模型中进行预训练，获得所述预训练的长短期记忆网络模型。4.如权利要求1所述的资料审查方法，其特征在于，所述获取审查资料并确定对应的至少一个审查要素信息，包括：获取审查资料；基于预设识别算法确定所述审查资料中的至少一个审查要素信息；其中，所述预设识别算法包括但不限于文字识别算法和自然语言处理算法中的至少一种。5.如权利要求1至4任一项所述的资料审查方法，其特征在于，所述审查结果包括审查通过，风险预警和审查失败；所述根据所述审查结果生成与所述审查资料对应的评估结果，包括：在检测到所有审查结果均为审查通过时，对应生成第一评估结果；在检测到所有审查结果...

【专利技术属性】
技术研发人员：艾俊波，佘志华，陈舟，何彪，陈贝，万龙，朱伟明，钟扶贫，谭海灿，匡波宁，
申请(专利权)人：长沙通诺信息科技有限责任公司，
类型：发明
国别省市：