[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

本申請涉及一種問卷生成方法、分類模型的訓練方法、裝置、計算機設備和存儲介質。所述方法包括：獲取臨床試驗招募數據；將臨床試驗招募數據輸入第一分類模型，根據第一分類模型的分類結果確定臨床試驗招募數據的適應癥類型；將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；根據結構化字段和問題關鍵詞，在題目數據庫中抽取問卷問題題目，根據每一問題題目對應的題目格式，生成調查問卷。采用本方法能夠提高招募臨床試驗受試者的效率。

技術領域

本申請涉及臨床試驗技術領域，特別是涉及一種問卷生成方法、分類模型的訓練方法、裝置、計算機設備和存儲介質。

背景技術

隨著臨床試驗技術的發展，出現了越來越多的臨床試驗項目，針對臨床試驗項目所需的受試者，傳統的方式中采用面對面溝通的方式獲取受試者的特征信息，或者，針對每一臨床試驗項目根據其多條入排標準人工制定調查問卷收集受試者的特征信息。

然而，傳統方式中受試者的特征信息收集方式均需要花費大量人力成本，且對應的招募臨床試驗受試者的效率低下。

發明內容

基于此，有必要針對上述技術問題，提供一種問卷生成方法、分類模型的訓練方法、裝置、計算機設備和存儲介質。

一種問卷生成方法，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。

在其中一個實施例中，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。

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。

在其中一個實施例中，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。

一種分類模型的訓練方法，所述方法包括：