[发明专利]基于解释模型的分诊信息推荐方法、装置、设备及介质

权利要求书

1.一种基于解释模型的分诊信息推荐方法，其特征在于，包括：

获取待分诊对象录入的特征信息文本；

将所述特征信息文本输入至预设解释模型，对所述特征信息文本进行解释处理，得到与所述特征信息文本对应的解释结果；所述解释结果中包含预设分诊参考向量与所述特征信息文本中各词语对应的匹配值；

比对所述特征信息文本的各词语对应的匹配值以及预设匹配阈值，确定所述特征信息文本中是否存在分诊解释词语；所述分诊解释词语是指所述特征信息文本中与大于或等于所述预设匹配阈值的匹配值对应的词语；

在所述特征信息文本中存在分诊解释词语时，将所述特征信息文本输入至预设分诊决策模型中，对所述特征信息文本进行分诊处理，得到与所述特征信息文本对应的分诊信息；

将所述分诊信息以及所述分诊解释词语关联推送至所述待分诊对象。

2.如权利要求1所述的基于解释模型的分诊信息推荐方法，其特征在于，所述将所述特征信息文本输入至预设解释模型，对所述特征信息文本进行解释处理，得到与所述特征信息文本对应的解释结果，包括：

根据预设词语实体库，对所述特征信息文本进行分词处理，得到与所述特征信息文本对应的各字词实体；

将各字词实体输入至所述预设解释模型的循环神经网络模型中，得到与各所述字词实体对应的实体向量；

获取预设分诊参考向量，将各所述实体向量与所述预设分诊参考向量输入至所述预设解释模型中的注意力模型中，确定各所述实体向量与所述预设分诊参考向量之间的匹配值；

根据各所述实体向量与所述预设分诊参考向量之间的匹配值，得到与所述特征信息文本对应的所述解释结果。

3.如权利要求2所述的基于解释模型的分诊信息推荐方法，其特征在于，所述获取预设分诊参考向量之前，还包括：

获取样本数据集，所述样本数据集中包含至少一个样本信息；所述样本信息中包含至少一个样本决策词语；

将各所述样本决策词语输入至预设词向量模型中，对各所述样本决策词语进行向量表示，得到与各所述样本决策词语对应的决策词向量；

获取与各决策词向量对应的样本权重，并根据各所述决策词向量对应的样本权重以及预设加权方法，确定所述预设分诊参考向量。

4.如权利要求1所述的基于解释模型的分诊信息推荐方法，其特征在于，所述将所述特征信息文本输入至预设分诊决策模型中，对所述特征信息文本进行分诊处理，得到与所述特征信息文本对应的分诊信息，包括：

获取所述特征信息文本中的结构化信息，通过所述预设分诊决策模型对所述结构化信息进行特征提取，得到与所述结构化信息对应的结构特征向量；

获取所述特征信息文本中的非结构化信息，确定所述特征信息文本中的非结构化信息的文本长度；

根据所述文本长度以及预设历史文本长度，确定所述预设分诊决策模型中的卷积核类别；

通过所述卷积核类别中的卷积核对所述非结构化信息进行卷积池化操作，得到非结构特征向量；

对所述结构特征向量与所述非结构特征向量进行拼接，得到融合向量，并将所述融合向量输入至全连接层后，得到所述分诊信息。

5.如权利要求4所述的基于解释模型的分诊信息推荐方法，其特征在于，所述根据所述文本长度以及预设历史文本长度，确定所述预设分诊决策模型中的卷积核类别，包括：

在所述文本长度小于或等于所述预设历史文本长度时，将所述卷积核类别确定为小尺寸卷积核；

在所述文本长度大于所述预设历史文本长度时，将所述卷积核类别确定为大尺寸卷积核。

6.如权利要求1所述的基于解释模型的分诊信息推荐方法，其特征在于：所述确定所述特征信息文本中是否存在分诊解释词语之后，还包括：

在确定所述特征信息文本中并不存在分诊解释词语时，提示所述待分诊对象更新所述特征信息文本。