【技术实现步骤摘要】
本专利技术涉及人工智能，特别是涉及一种电子病历问答模型的评分系统。
技术介绍
1、随着医疗业务量的不断增长以及人工智能技术的不断发展，病历电子化已成为趋势，基于电子病历训练出的模型越来越多样化，但是在对数据进行训练生成模型后需要对模型进行评分，对模型评分的策略直接影响到模型的好坏，因此，对电子病历问答模型准确进行评分成为当下的热门研究方向。
2、目前，现有技术中，进行模型评分的方法为：基于传统机器学习模型进行推理生成模型，将测试样本输入至模型中，将模型输出结果与测试样本对应的真实结果进行相似度计算从而实现对模型的评分。
3、综上所述对模型进行评分的方法存在的问题：未对模型输出的结果进行判断，同时未基于不同维度对模型进行评分，使得获取到的电子病历问答模型评分的准确度降低。
技术实现思路
1、本专利技术提供了一种电子病历问答模型的评分系统，包括：样本电子病历信息集、第二预设文本集、处理器和存储有计算机程序的存储器，当所述计算机程序被处理器执行时，实现以下步骤，：
2、s100，样本电子病历信息集，获取初始电子病历问答模型。
3、s200，将第二预设文本集输入至初始电子病历问答模型中，获取第一初始文本集ew＝{ew1，……，ewλ，……，ewσ}，其中，ewλ为第λ个第一初始文本，λ＝1……σ，σ为第一初始文本的数量。
4、s300，根据ew，获取第一初始文本向量集ew0＝{ew01，……，ew0λ，……，ew0σ}，ew0λ＝
5、s400，根据第一初始文本集，获取第二初始文本集fw＝{fw1，……，fwλ，……，fwσ}，其中，fwλ为第λ个第二初始文本。
6、s500，根据fw，获取fw对应的第二初始文本向量集fw0＝{fw01，……，fw0λ，……，fw0σ}，fw0λ＝(fw0λ1，……，fw0λγ，……，fw0λη)，fw0λγ为fwλ对应的第一初始文本向量中第γ位的bit值。
7、s600，根据ep0和fp0，获取第一相似度列表δw＝{δw1，……，δwλ，……，δwσ}，其中，δwλ符合如下条件：
8、
9、s700，根据ew，获取ew对应的第一初始关键词集，其中，所述第一初始关键词集包括若干个第一初始关键词列表，所述第一初始关键词列表包括一个第一初始关键词，所述第一初始关键词为第一初始文本中的关键词。
10、s800，根据fw，获取fw对应的第二初始关键词集，所述第二初始关键词集包括若干个第二初始关键词列表，所述第二初始关键词列表包括一个第二初始关键词，所述第二初始关键词为第二初始文本中的关键词。
11、s900，获取第一初始关键词集和第二初始关键词集，获取第二相似度列表δv＝{δv1，……，δvλ，……，δvσ}，其中，δvλ为同一第二预设文本对应的第一初始关键词与第二初始关键词之间的相似度。
12、s1000，根据δw和δv，获取初始电子病历问答模型对应的待选优先级kl，其中，kl为初始电子病历问答模型的评分值。
13、本专利技术为一种电子病历问答模型的评分系统，包括样本电子病历信息集、第二预设文本集、处理器和存储有计算机程序的存储器，当所述计算机程序被处理器执行时，实现以下步骤：根据样本电子病历信息集，获取初始电子病历问答模型，将第二预设文本集输入至初始电子病历问答模型中，获取第一初始文本集，根据第一初始文本集，获取第一初始文本向量集，根据第一初始文本集，获取第二初始文本集，根据第二初始文本集，获取第二初始文本向量集，根据第一初始文本向量集和第二初始文本向量集，获取第一相似度列表，根据第一初始文本集获取第一初始文本对应的第一初始关键词集，根据第二初始文本集获取第二初始文本对应的第二初始关键词集，根据第一初始关键词集和第二初始关键词集，获取第二相似度列表，根据第一相似度列表和第二相似度列表，获取初始电子病历问答模型对应的待选优先级，本专利技术对模型输出的结果进行判断，当结果满足阈值条件时进行评分，基于不同维度对模型进行评分，使得获取到的电子病历问答模型评分的准确度较高。
本文档来自技高网...【技术保护点】
1.一种电子病历问答模型的评分系统，所述系统包括：样本电子病历信息集、第二预设文本集、处理器和存储有计算机程序的存储器，当所述计算机程序被处理器执行时，实现以下步骤：
2.根据权利要求1所述的电子病历问答模型的评分系统，其特征在于，所述第一初始文本为从第一关键文本集中获取到的中英文比例在预设比例范围的第一关键文本。
3.根据权利要求1所述的电子病历问答模型的评分系统，其特征在于，所述第一关键文本集包括若干个第一关键文本，其中，所述第一关键文本为基于初始电子病历问答模型获取到的第二预设文本对应的答案文本和解释文本。
4.根据权利要求3所述的电子病历问答模型的评分系统，其特征在于，所述答案文本为基于问题文本进行回答的文本。
5.根据权利要求3所述的电子病历问答模型的评分系统，其特征在于，所述解释文本为基于问题文本获取到对答案文本进行解释说明的文本。
6.根据权利要求1所述的电子病历问答模型的评分系统，其特征在于，所述第二初始文本为第一初始文本对应的第二预设文本准确的答案文本和解释文本。
7.根据权利要求1所述的电
8.根据权利要求1所述的电子病历问答模型的评分系统，其特征在于，在S1000中通过如下步骤获取KL：
...【技术特征摘要】
1.一种电子病历问答模型的评分系统，所述系统包括：样本电子病历信息集、第二预设文本集、处理器和存储有计算机程序的存储器，当所述计算机程序被处理器执行时，实现以下步骤：
2.根据权利要求1所述的电子病历问答模型的评分系统，其特征在于，所述第一初始文本为从第一关键文本集中获取到的中英文比例在预设比例范围的第一关键文本。
3.根据权利要求1所述的电子病历问答模型的评分系统，其特征在于，所述第一关键文本集包括若干个第一关键文本，其中，所述第一关键文本为基于初始电子病历问答模型获取到的第二预设文本对应的答案文本和解释文本。
4.根据权利要求3所述的电子病历问答模型的评分系...
【专利技术属性】
技术研发人员：刘立宇，初乃强，赵瑞莹，
申请(专利权)人：生命奇点北京科技有限公司，
类型：发明
国别省市：
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。