System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及护理知识库,具体而言,涉及一种护理知识库的构建方法。
技术介绍
1、护理知识库是一个收集和组织护理相关信息和知识的数据库。它包含了各个领域的护理知识,包括疾病诊断和治疗、护理技术和操作规范、药物知识、健康教育等方面的内容。
2、护理知识库的目的是为护理人员提供可靠、准确和及时的护理信息,以支持临床决策和优质的护理实践。通过对护理知识的收集、整理和分类,护理人员可以方便地获取他们需要的信息,并将其应用于护理实践中。在进行知识库构建的时候,为了方便根据病人信息整合,我们可以选择按照护理类型进行分类整理,但是面对庞大的数据资料统的人工整理和筛选方法耗费时间和精力,限制了护理知识库的建设速度和规模,也难以对知识库进行更新。
3、因此,需要一种自动构建护理知识库的方法,能够高效地抓取和整理护理关键知识并进行整理分类形成护理知识库,及时更新知识库内容,提高护理质量和效果。
技术实现思路
1、本专利技术的目的在于提供一种护理知识库的构建方法,其能够高效地抓取和整理护理关键知识并进行整理分类形成护理知识库。
2、本专利技术的实施例通过以下技术方案实现:
3、一种护理知识库的构建方法,包括以下步骤:
4、构建多种护理类型模块,每个护理类型模块对应一种护理类型;
5、采集护理知识材料,并进行数据清洗;
6、将所述护理知识材料划分为多个子文本模块;
7、分别将所述子文本模块分别输入预先训练的护理
8、将所述子文本模块放入对应的所述护理类型模块;
9、为所述子文本模块设置文本关键词,为每个护理类型设置类型关键词;
10、获取每个所述文本关键词在对应所述护理类型模块中的出现次数,并计算每个所述文本关键词的权重级别;
11、根据所述子文本模块和所述护理类型模块的归属关系建立类型关键词-文本关键词映射关系表作为索引目录,并标注每个所述文本关键词的所述权重级别。
12、优选地,所述护理类型模块包括用药护理模块、个人卫生护理模块、饮食护理模块、运动护理模块、按摩与体表状态护理模块和排泄管理护理模块;
13、所述护理知识材料包括患者的多种状态下分别对应的护理方法。
14、优选地,患者的所述状态包括疾病类型、当前治疗阶段、年龄、身高及体重、性别和体征数据。
15、优选地,所述护理类型分类器包括主特征提取模型、深层特征提取模型、浅层特征提取模型、特征融合模块和分类模块;
16、所述主特征提取模型的输入端为所述护理类型分类器的输入端;
17、所述主特征提取模型的m个深层输出端连接到所述深层特征提取模型的输入端;
18、所述主特征提取模型的n个浅层输出端连接到所述浅层特征提取模型的输入端;
19、所述深层特征提取模型的输出端和所述浅层特征提取模型的输出端分别连接到所述特征融合模块的输入端,所述特征融合模块的输出端连接所述分类模块的输入端,所述分类模块的输出端为所述护理类型分类器的输出端。
20、优选地,所述主特征提取模型采用albert-base模型,albert-base模型的前6个隐藏层的输出端作为浅层输出端,albert-base模型的后6个隐藏层的输出端作为深层输出端。
21、优选地,所述深层特征提取模型的表达式为:
22、;
23、;
24、;
25、其中,为所述深层特征提取模型的输出,、、、均为预先训练的线性变换参数,为leacky relu激活函数,d为dropout层,中的元素到分别为所述albert-base模型的后6个隐藏层的输出端的输出值。
26、优选地,所述浅层特征提取模型的表达式为:
27、;
28、;
29、;
30、其中,为所述浅层特征提取模型的输出,、、、均为预先训练的线性变换参数,为relu激活函数,d为dropout层,中的元素到分别为所述albert-base模型的前6个隐藏层的输出端的输出值。
31、优选地,所述特征融合模块的表达式为:
32、;
33、a=;
34、b=1-a;
35、其中,为所述特征融合模块的输出,为sigmoid函数,w为预先训练的权重向量。
36、优选地,所述分类模块的表达式为:
37、 ;
38、其中,为softmax函数,和分别为预先训练的线性变换参数。
39、优选地,所述计算每个所述文本关键词的权重级别的方法为:
40、获取所述护理类型模块中每个所述文本关键词的占比,并且根据占比由高到低进行排序,序号作为所述权重级别:
41、;
42、其中,为文本关键词i的占比,为文本关键词i在对应的所述护理类型模块中的出现次数,i=1,2,…,k,k为对应的所述护理类型模块中设置的所述文本关键词的总数。
43、本专利技术实施例的技术方案至少具有如下优点和有益效果:
44、本专利技术可以自动抓取护理知识对护理知识进行分类以搭建护理知识库,免去了人工整理资料的烦躁,整理更为快速和可靠;
45、本专利技术可以通过建立类型关键词-文本关键词映射关系表作为索引目录并标注每个文本关键词的权重级别,以此提供凭据使得检索或根据需求形成护理方案更为方便;
46、本专利技术分类采用的模型特征提取准确,分类可靠性高,以子文本为单位进行划分,也便于后续更新和补充护理知识库的内容;
47、本专利技术可以自由设计多种护理种类,搭建的自由度高,适用性强,且适用范围广泛。
本文档来自技高网...【技术保护点】
1.一种护理知识库的构建方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种护理知识库的构建方法,其特征在于,所述护理类型模块包括用药护理模块、个人卫生护理模块、饮食护理模块、运动护理模块、按摩与体表状态护理模块和排泄管理护理模块;
3.根据权利要求2所述的一种护理知识库的构建方法,其特征在于,患者的所述状态包括疾病类型、当前治疗阶段、年龄、身高及体重、性别和体征数据。
4.根据权利要求1所述的一种护理知识库的构建方法,其特征在于,所述护理类型分类器包括主特征提取模型、深层特征提取模型、浅层特征提取模型、特征融合模块和分类模块;
5.根据权利要求4所述的一种护理知识库的构建方法,其特征在于,所述主特征提取模型采用ALBERT-base模型,ALBERT-base模型的前6个隐藏层的输出端作为浅层输出端,ALBERT-base模型的后6个隐藏层的输出端作为深层输出端。
6.根据权利要求5所述的一种护理知识库的构建方法,其特征在于,所述深层特征提取模型的表达式为:
7.根据权利要求6所述的一种护理知识库
8.根据权利要求7所述的一种护理知识库的构建方法,其特征在于,所述特征融合模块的表达式为:
9.根据权利要求8所述的一种护理知识库的构建方法,其特征在于,所述分类模块的表达式为:
10.根据权利要求1所述的一种护理知识库的构建方法,其特征在于,所述计算每个所述文本关键词的权重级别的方法为:
...【技术特征摘要】
1.一种护理知识库的构建方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种护理知识库的构建方法,其特征在于,所述护理类型模块包括用药护理模块、个人卫生护理模块、饮食护理模块、运动护理模块、按摩与体表状态护理模块和排泄管理护理模块;
3.根据权利要求2所述的一种护理知识库的构建方法,其特征在于,患者的所述状态包括疾病类型、当前治疗阶段、年龄、身高及体重、性别和体征数据。
4.根据权利要求1所述的一种护理知识库的构建方法,其特征在于,所述护理类型分类器包括主特征提取模型、深层特征提取模型、浅层特征提取模型、特征融合模块和分类模块;
5.根据权利要求4所述的一种护理知识库的构建方法,其特征在于,所述主特征提取模型采用albert...
【专利技术属性】
技术研发人员:叶娟,罗彬,
申请(专利权)人:四川互慧软件有限公司,
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。