[發明專利]基于機器學習的中文RCT智能分類器的構建方法

在審

• 申請號: 201811525748.8
• 申請日: 2018-12-13
• 公開（公告）號: CN109753564A
• 公開（公告）日: 2019-05-14
• 發明（設計）人: 李春潔;姚攀;陳圣愷;謝雨;毛渤淳;臧義;曹鈺彬;于中華;陳黎;劉露;徐楊
• 申請（專利權）人: 四川大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G16H50/70
• 代理公司: 成都九鼎天元知識產權代理有限公司 51214
• 代理人: 韓雪

1.一種基于機器學習的中文RCT智能分類器的構建方法，其特征在于，包括以下步驟：

S1：對海量文獻進行標注分類的步驟；

S2：挑選出標注的文獻構建訓練集、驗證集的步驟；

S3：對訓練集采用神經網絡進行深度學習以構建分類器模型的步驟；

S4：基于驗證集對分類器模型進行參數調整的步驟。

2.如權利要求1所述的智能分類器的構建方法，其特征在于，所述S1具體為：

將每一篇文獻導入到兩個主體-第一主體和第二主體-進行標注；

針對于每一篇文獻，判斷兩個主體對文獻的標注結果是否一致，若是，則完成文獻的標注分類，否則，將文獻重新發送給兩個主體進行二次標注；

若二次標注的結果一致，則完成文獻的標注分類，否則，將文獻發送給第三主體進行標注，并以第三主體的標注結果作為對文獻的分類結果。

3.如權利要求1所述的智能分類器的構建方法，其特征在于，所述步驟S3中，選用的神經網絡為卷積神經網絡。

4.如權利要求3所述的智能分類器的構建方法，其特征在于，所述S3針對每一篇文獻，包括以下步驟：

S3-1：對文獻進行分詞處理，將一篇文獻處理為含n個分詞的詞序列；

S3-2：根據預構建的詞向量表，將詞序列轉換為對應的詞向量矩陣；

S3-3：對詞向量矩陣進行卷積和池化的過程；

S3-4：配置全連接層；

S3-5：定義交叉熵函數loss，采用Adam優化器，反向傳播更新神經網絡參數與詞向量表。

5.如權利要求1所述的智能分類器的構建方法，其特征在于，所述S4包括以下步驟：

通過訓練集和驗證集上交叉熵函數loss的變化，調整和確定迭代次數，保證模型收斂；

設置初始的學習率，通過交叉熵函數loss基于該初始學習率的收斂情況，對學習率進行調整；

對batch_size大小的調整過程；

對卷積核filter個數以及每一個卷積核filter窗口的大小的調整過程；

對全連接層作dropout處理，取參數[0,1]。

6.如權利要求5所述的智能分類器的構建方法，其特征在于，所述S4還包括：

在定義交叉熵函數loss時，還對分類器模型作L2懲罰，懲罰項參數根據驗證集的準確率作調整。

7.如權利要求1所述的智能分類器的構建方法，其特征在于， 在所述S2中，還包括挑選標注的文獻構建測試集的步驟；方法還包括：

S5：利用測試集對S4調整參數后的分類器模型進行測試的步驟。

8.如權利要求1-7任一所述的智能分類器的構建方法，其特征在于，對文獻的分類結果包括：

a類：臨床隨機對照試驗；

b類：隨機不明的臨床對照試驗；

c類：信息不足無法判斷；

d類：非隨機對照臨床研究；

e類：其他；

或者，進一步將上述文獻作二分類，即a、b、c類歸為f類：考慮RCT類，d、e類歸為g類：非RCT類。