[發明專利]用于醫療文本分類的決策樹構建方法及裝置

在審

• 申請號: 202111296348.6
• 申請日: 2021-11-03
• 公開（公告）號: CN114020915A
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 張萌;周玉
• 申請（專利權）人: 北京中科凡語科技有限公司
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F16/31
• 代理公司: 北京庚致知識產權代理事務所(特殊普通合伙) 11807
• 代理人: 韓德凱

1.一種用于醫療文本分類的決策樹構建方法，其特征在于，包括：

構建訓練集D＝{(x₁，y₁)，(x₂，y₂)，……，(x_m，y_m)}，其中，xi表示訓練集中的各個樣本，yi表示訓練集中的樣本對應的類別；

構建屬性集A＝{a₁，a₂，a₃……，a_d}，其中，a_d表示屬性；

如果訓練集D的各個樣本xi都屬于相同類別，則將節點標記為一個類別的葉節點，決策樹構建完成，結束；

如果屬性集A為空或無法對訓練集D進一步劃分，則將當前訓練集所在的節點標記為葉節點；以及

遍歷屬性集中的每一個屬性，選擇最優劃分屬性，將訓練集D劃分為若干子集Dv，如果Dv為空，則將包含訓練集D的分支節點標記為葉節點，類別記為訓練集D中樣本最多的類，構建結束，否則繼續遍歷。

2.根據權利要求1所述的用于醫療文本分類的決策樹構建方法，其特征在于，所述屬性集A的構成包括：對訓練文本進行分詞，統計各個詞的詞頻，將每個詞作為屬性集A的組成。

3.根據權利要求2所述的用于醫療文本分類的決策樹構建方法，其特征在于，所述屬性集A通過基尼指數劃分的方法獲取。

4.根據權利要求3所述的用于醫療文本分類的決策樹構建方法，其特征在于，通過基尼指數劃分的方法，包括：

對于屬性集A中的每一個屬性，逐一計算各個屬性的基尼指數；以及

選取基尼指數值最小的屬性作為最終劃分集合屬性。

5.一種用于醫療文本分類的決策樹構建裝置，其特征在于，包括：

訓練集構建模塊，用于構建訓練集，訓練集D＝{(x₁，y₁)，(x₂，y₂)，……，(x_m，y_m)}，其中，xi表示訓練集中的各個樣本，yi表示訓練集中的樣本對應的類別；

屬性集構建模塊，用于構建屬性集，屬性集A＝{a₁，a₂，a₃……，a_d}，其中，a_d表示屬性；

決策樹生成模塊，基于訓練集和屬性集生成決策樹，包括：

如果訓練集D的各個樣本xi都屬于相同類別，則將節點標記為一個類別的葉節點，決策樹構建完成，結束；

如果屬性集A為空或無法對訓練集D進一步劃分，則將當前訓練集所在的節點標記為葉節點；以及

遍歷屬性集中的每一個屬性，選擇最優劃分屬性，將訓練集D劃分為若干子集Dv，如果Dv為空，則將包含訓練集D的分支節點標記為葉節點，類別記為訓練集D中樣本最多的類，構建結束，否則繼續遍歷。

6.根據權利要求5所述的用于醫療文本分類的決策樹構建裝置，其特征在于，所述屬性集A的構成包括：對訓練文本進行分詞，統計各個詞的詞頻，將每個詞作為屬性集A的組成。

7.根據權利要求6所述的用于醫療文本分類的決策樹構建裝置，其特征在于，所述屬性集A通過基尼指數劃分的方法獲取。

8.根據權利要求7所述的用于醫療文本分類的決策樹構建裝置，其特征在于，通過基尼指數劃分的方法，包括：

對于屬性集A中的每一個屬性，逐一計算各個屬性的基尼指數；以及

選取基尼指數值最小的屬性作為最終劃分集合屬性。

9.一種電子設備，其特征在于，包括：

存儲器，所述存儲器存儲執行指令；以及

處理器，所述處理器執行所述存儲器存儲的執行指令，使得所述處理器執行如權利要求1至4中任一項所述的方法。

10.一種可讀存儲介質，其特征在于，所述可讀存儲介質中存儲有執行指令，所述執行指令被處理器執行時用于實現如權利要求1至4中任一項所述的方法。