中医头痛类型的鉴别系统、方法、电子设备及存储介质技术方案

本发明专利技术实施例公开了一种中医头痛类型的鉴别系统、方法、电子设备及存储介质，中医头痛类型的鉴别方法包括：采集一定数量的中医头痛病症样本；获取所述中医头痛病症样本对应的样本描述信息；对所述样本描述信息进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征；基于所述归一化样本描述特征，获取所述中医头痛病症样本的多个训练特征集；基于所述训练特征集训练预分类模型；将待识别中医头痛特征信息输入所述预分类模型，输出所述中医头痛特征信息对应的中医头痛类型。该中医头痛类型的鉴别方法改善了现有技术中无法智能鉴别中医头痛类型的问题。智能鉴别中医头痛类型的问题。智能鉴别中医头痛类型的问题。

【技术实现步骤摘要】
中医头痛类型的鉴别系统、方法、电子设备及存储介质


[0001]本专利技术涉及计算机
，具体涉及一种中医头痛类型的鉴别系统、方法、电子设备及存储介质。

技术介绍

[0002]头痛是一种常见病症，是多种相关疾病加重或恶化的先兆，近年来，头痛的病发率呈上升趋势，尤其是偏头痛，一般人群发病率达5％，流行病学调查表明，我国偏头痛的发病率达985.2/10万，30岁以下发病者逐年增长，男女患病率的比例为1:4；
[0003]很多患者通过西医治疗头痛的效果不佳，会选择通过中医治疗头痛，中医针对头痛病症判断头痛类型需要依靠医生去诊断，无法智能通过中医病症对头痛类型进行分类。

技术实现思路

[0004]本专利技术实施例的目的在于提供一种中医头痛类型的鉴别系统、方法、电子设备及存储介质，用以解决现有技术中无法智能鉴别中医头痛类型的问题。
[0005]为实现上述目的，本专利技术实施例提供一种中医头痛类型的鉴别方法，所述方法具体包括：
[0006]采集一定数量的中医头痛病症样本；
[0007]获取所述中医头痛病症样本对应的样本描述信息；
[0008]对所述样本描述信息进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征；
[0009]基于所述归一化样本描述特征，获取所述中医头痛病症样本的多个训练特征集；
[0010]基于所述训练特征集训练预分类模型；
[0011]将待识别中医头痛特征信息输入所述预分类模型，输出所述中医头痛特征信息对应的中医头痛类型。
[0012]在上述技术方案的基础上，本专利技术还可以做如下改进：
[0013]进一步地，所述对所述样本描述信息进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征，包括；
[0014]将所述样本描述信息切分为中医头痛病症特征信息分词；
[0015]基于TextRank算法对所述中医头痛病症特征信息分词进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征。
[0016]进一步地，所述基于所述训练特征集训练预分类模型，包括：
[0017]构建预分类模型；
[0018]基于所述训练特征集训练所述预分类模型得到多个子预分类模型；
[0019]选取熵最大的子预分类模型，获得训练好的预分类模型。
[0020]进一步地，所述中医头痛类型的鉴别方法，还包括：
[0021]构建所述训练特征集所对应的中医头痛病症知识库；
[0022]基于所述中医头痛类型和所述中医头痛病症知识库得到头痛解决方案。
[0023]一种中医头痛类型的鉴别系统，包括：
[0024]采集模块，用于采集一定数量的中医头痛病症样本；
[0025]第一获取模块，用于获取所述中医头痛病症样本对应的样本描述信息；
[0026]归一化处理模块，用于对所述样本描述信息进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征；
[0027]第二获取模块，用于基于所述归一化样本描述特征，获取所述中医头痛病症样本的多个训练特征集；
[0028]训练模块，用于基于所述训练特征集训练预分类模型；
[0029]预分类模型，用于基于待识别中医头痛特征信息，输出与所述中医头痛特征信息对应的中医头痛类型。
[0030]进一步地，所述归一化处理模块还用于：
[0031]将所述样本描述信息切分为中医头痛病症特征信息分词；
[0032]基于TextRank算法对所述中医头痛病症特征信息分词进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征。
[0033]进一步地，所述训练模块还包括：
[0034]基于所述训练特征集训练所述预分类模型得到多个子预分类模型；
[0035]选取熵最大的子预分类模型，获得训练好的预分类模型。
[0036]进一步地，所述中医头痛类型的鉴别系统还包括：
[0037]构建模块，用于构建所述训练特征集所对应的中医头痛病症知识库，基于所述中医头痛类型和所述中医头痛病症知识库得到头痛解决方案。
[0038]一种电子设备，包括存储器、处理器及存储在存储器上并可在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所述方法的步骤。
[0039]一种非暂态计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述方法的步骤。
[0040]本专利技术实施例具有如下优点：
[0041]本专利技术中的中医头痛类型的鉴别方法，采集一定数量的中医头痛病症样本；获取所述中医头痛病症样本对应的样本描述信息；对所述样本描述信息进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征；基于所述归一化样本描述特征，获取所述中医头痛病症样本的多个训练特征集；基于所述训练特征集训练预分类模型；将待识别中医头痛特征信息输入所述预分类模型，输出所述中医头痛特征信息对应的中医头痛类型；解决了现有技术中无法智能鉴别中医头痛类型的问题。
附图说明
[0042]为了更清楚地说明本专利技术的实施方式或现有技术中的技术方案，下面将对实施方式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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
[0043]本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供
熟悉此技术的人士了解与阅读，并非用以限定本专利技术可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本专利技术所能产生的功效及所能达成的目的下，均应仍落在本专利技术所揭示的
技术实现思路
得能涵盖的范围内。
[0044]图1为本专利技术中医头痛类型的鉴别方法的流程图；
[0045]图2为本专利技术中医头痛类型的鉴别系统的框图；
[0046]图3为本专利技术中医头痛类型的鉴别系统的框图；
[0047]图4为本专利技术提供的电子设备实体结构示意图。
[0048]其中附图标记为：
[0049]采集模块10，第一获取模块20，归一化处理模块30，第二获取模块40，训练模块50，预分类模型60，构建模块70，电子设备80，处理器801，存储器802，总线803。
具体实施方式
[0050]以下由特定的具体实施例说明本专利技术的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本专利技术的其他优点及功效，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0051]实施例
[0052]图1为本专利技术中医头痛类型的鉴别方法实施例流程图，如图1所示，本专利技术实施例提供的一种中医头痛类型的鉴别方法包括以下步骤：...

【技术保护点】

【技术特征摘要】
1.一种中医头痛类型的鉴别方法，其特征在于，所述方法具体包括：采集一定数量的中医头痛病症样本；获取所述中医头痛病症样本对应的样本描述信息；对所述样本描述信息进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征；基于所述归一化样本描述特征，获取所述中医头痛病症样本的多个训练特征集；基于所述训练特征集训练预分类模型；将待识别中医头痛特征信息输入所述预分类模型，输出所述中医头痛特征信息对应的中医头痛类型。2.根据权利要求1所述的中医头痛类型的鉴别方法，其特征在于，所述对所述样本描述信息进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征，包括；将所述样本描述信息切分为中医头痛病症特征信息分词；基于TextRank算法对所述中医头痛病症特征信息分词进行归一化处理，获得与所述样本描述信息对应的多组归一化样本描述特征。3.根据权利要求1所述的中医头痛类型的鉴别方法，其特征在于，所述基于所述训练特征集训练预分类模型，包括：构建预分类模型；基于所述训练特征集训练所述预分类模型得到多个子预分类模型；选取熵最大的子预分类模型，获得训练好的预分类模型。4.根据权利要求1所述的中医头痛类型的鉴别方法，其特征在于，所述中医头痛类型的鉴别方法，还包括：构建所述训练特征集所对应的中医头痛病症知识库；基于所述中医头痛类型和所述中医头痛病症知识库得到头痛解决方案。5.一种中医头痛类型的鉴别系统，其特征在于，包括：采集模块，用于采集一定数量的中医头痛病症样本；第一获取模块，用于获取所述中医头痛病症样本对应的样本描述信息；归...

【专利技术属性】
技术研发人员：李天发，李宗博，陈伯怀，
申请(专利权)人：吾征智能技术北京有限公司，
类型：发明
国别省市：