[發明專利]問卷生成方法、分類模型的訓練方法、裝置和計算機設備

在審

• 申請號: 202110277051.9
• 申請日: 2021-03-15
• 公開（公告）號: CN112927771A
• 公開（公告）日: 2021-06-08
• 發明（設計）人: 任科;牛梓權;蘇航;孫宗濤;伍美婷;汝玲
• 申請（專利權）人: 北京藥明津石醫藥科技有限公司
• 主分類號: G16H10/20
• 分類號: G16H10/20;G06F16/33;G06F16/35
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 方高明

1.一種問卷生成方法，其特征在于，所述方法包括：

獲取臨床試驗招募數據；

將所述臨床試驗招募數據輸入第一分類模型，根據所述第一分類模型的分類結果確定所述臨床試驗招募數據的適應癥類型；

將所述臨床試驗招募數據輸入對應的適應癥類型的第二分類模型，得到所述適應癥類型對應的臨床試驗招募數據中入排標準對應的結構化字段和問題關鍵詞；

根據所述結構化字段和所述問題關鍵詞，在題目數據庫中抽取問卷問題題目，根據每一所述問題題目對應的題目格式，生成調查問卷。

2.根據權利要求1所述的方法，其特征在于，所述獲取臨床試驗招募數據，包括：

獲取待處理的臨床試驗招募文本數據；

將待處理的所述臨床試驗招募文本數據通過訓練好的詞向量化模型進行向量化處理，得到所述臨床試驗招募文本數據的向量化結果，將所述向量化結果作為所述臨床試驗招募數據。

3.一種分類模型的訓練方法，其特征在于，所述方法包括：

獲取第一臨床試驗招募訓練樣本，所述第一臨床試驗招募訓練樣本中包含每一臨床試驗招募訓練數據的整句向量化值；

將所述第一臨床試驗招募訓練樣本中的整句向量化值輸入至分類模型中，通過所述分類模型得到初始分類結果；

根據所述第一臨床試驗招募訓練樣本攜帶的適應癥類別標簽和適應癥細分特征標簽對應的基準分類結果對所述初始分類結果進行驗證，若所述初始分類結果與所述基準分類結果不一致，則對所述分類模型進行模型參數調整。

4.根據權利要求3所述的方法，其特征在于，所述獲取第一臨床試驗招募訓練樣本，包括：

獲取臨床試驗招募文本數據；

根據詞向量化模型以及預設的加權平均算法，得到每一條所述臨床試驗招募文本數據的整句向量化值；

根據分類基準向量化值，對所述臨床試驗招募數據進行分類處理，得到所述臨床試驗招募文本數據的整句向量化值的分類結果；

針對每一所述分類結果進行適應癥類別和適應癥細分特征的標注，得到攜帶所述適應癥類別標簽和所述適應癥細分特征標簽的第一臨床試驗招募訓練樣本。

5.一種分類模型的訓練方法，其特征在于，所述方法包括

獲取第二臨床試驗招募訓練樣本；所述第二臨床試驗招募訓練樣本中包含每一臨床試驗招募訓練數據的入排標準向量化值；

將所述第二臨床試驗招募訓練樣本輸入分類模型中，得到所述臨床試驗招募數據的分類結果；

根據所述第二臨床試驗招募訓練樣本攜帶的入排標準結構化字段標簽和問題關鍵詞標簽對應的基準分類結果對所述分類模型得到的分類結果進行驗證，若所述分類結果與所述基準分類結果不一致，則對所述分類模型進行模型參數調整。

6.根據權利要求5所述的方法，其特征在于，所述獲取第二臨床試驗招募訓練樣本，包括：

根據適應癥類別獲取對應的臨床試驗招募文本數據；

對每一適應癥類別的所述臨床試驗招募文本數據進行向量化處理，得到所述臨床試驗招募文本數據對應的向量化結果；

根據基準向量化結果，對所述臨床試驗招募文本數據中的向量化結果進行分類處理，得到對應的分類結果；

針對每一分類結果進行入排標準的結構化字段和對應的問題關鍵詞的標注，得到攜帶有入排標準結構化字段標簽和問題關鍵詞標簽的第二臨床試驗招募數據樣本。

7.一種問卷生成裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取臨床試驗招募數據；

第一分類模塊，用于將所述臨床試驗招募數據輸入第一分類模型，根據所述第一分類模型的分類結果確定所述臨床試驗招募數據的適應癥類型；

第二分類模塊，用于將所述臨床試驗招募數據輸入對應的適應癥類型的第二分類模型，得到所述適應癥類型對應的臨床試驗招募數據中入排標準對應的結構化字段和問題關鍵詞；

生成模塊，用于根據所述結構化字段和所述問題關鍵詞，在題目數據庫中抽取問卷問題題目，根據每一所述問題題目對應的題目格式，生成調查問卷。