[發明專利]一種基于集成卷積編碼的醫療問答語義聚類方法

有效

• 申請號: 201710723583.4
• 申請日: 2017-08-22
• 公開（公告）號: CN107516110B
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 余志文;戴丹
• 申請（專利權）人: 華南理工大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 李斌

1.一種基于集成卷積編碼的醫療問答語義聚類方法，其特征在于，所述方法包括以下步驟：

步驟1：從醫療平臺上獲取醫療問答數據集，對醫療問答數據集進行預處理，并得到輸入矩陣；

步驟2：用卷積編碼網絡對不同的輸入矩陣選取不同的卷積核進行核聚類，對核聚類后的聚類質量和多樣性進行計算，根據聚類質量和多樣性挑選出表示文本特征最好的n個卷積核；

步驟3：將步驟2中挑選的卷積核分別通過卷積神經網絡來進行訓練操作；

步驟4：融合不同卷積核的特征表示結果；

步驟5：將融合后的特征表示結果輸入自編碼機，進行輸入重構訓練得到最佳特征表示；

步驟6：將編碼得到的最佳特征表示進行聚類，得到最終醫療文本語義聚類結果。

2.根據權利要求1所述的一種基于集成卷積編碼的醫療問答語義聚類方法，其特征在于：步驟1中所述的對醫療問答數據集進行預處理，即對醫療問答數據集進行分詞、去停用詞、詞性標注，接著依據詞向量的表示方式對輸入的醫療問答數據集形成矩陣表示，得到輸入矩陣。

3.根據權利要求1所述的一種基于集成卷積編碼的醫療問答語義聚類方法，其特征在于，步驟2中的聚類質量的值越高說明得到核聚類的結果越好，其表示如下所示：

其中，K＝{1，2，…k_n}為卷積核集，為第k_j個卷積核得到的聚類結果，為n個卷積核任意兩兩不重復選取組合計算的次數，SNMI為第k_j個卷積核與其他卷積核大小聚類結果的總NMI值后求平均；通過規范化互信息NMI來獲得不同卷積核間的差異程度：

其中，k_a和k_b分別為不同卷積核聚類結果C_a和C_b中的簇數，n為全部的數據集數，n_h，l為同時位于C_a的h簇和C_b的l簇中的數據集數，為聚類結果C_a的h簇中的數據集數，為聚類結果C_b的l簇中的數據集數，NMI(C_a，C_b)的值越大，聚類器間差異性越小；

將規范化互信息NMI進行轉換后采用多樣性對核聚類的質量進行評估：

Div(C_a，C_b)＝l-NMI(C_a，C_b)

Div(C_a，C_b)為不同卷積核聚類結果的差異性值，該值越小，體現出聚類器間的關聯越少；

結合聚類質量和多樣性評估標準，其最終結算結果如下所示：

其中，Ker表示該卷積核聚類結果的有效評估值，α表示聚類質量權值，1-α為差異性效果權值。