[发明专利]基于真实世界数据的外感热病辅助决策系统

权利要求书

1.基于真实世界数据的外感热病辅助决策系统，其特征在于：其包括：

系统模块，包括退出系统子模块、用户信息维护子模块，用户信息维护子模块用于管理使用系统的用户信息，包括用户信息注册，用户信息修改，用户信息删除，用户信息查询；退出系统子模块执行直接退出整个系统；

数据库，其利用分组信息维护原则对案例检索过程所涉及到的各个特征信息进行维护，该模块中的每个分组信息实现信息的添加、修改、删除、查询；

编码库，其生成案例编码信息，该模块采用人工智能自然语言处理AI模型，基于案例库中的案例语料进行学习，并将案例库中的案例转换为案例编码用于案例检索算法中的特征输入；同时，基于已生成的案例编码计算得到案例库中每个特征客观权重；

决策推理模块，其基于输入目标案例从案例库中检索出K条于目标案例最相似的原始案例，其中涉及主观权重修正与相似性算法；

帮助模块，其提供关于本系统的简介信息。

2.根据权利要求1所述的基于真实世界数据的外感热病辅助决策系统，其特征在于：所述决策推理模块包括：

源案例准备，首先从外部将原始Excel文件中的数据内容进行转换清洗并存入案例库形成源案例，然后利用案例库中的源案例学习词向量模型对源案例进行编码构建编码库，同时采用熵权法对编码库再次进行客观权重分析，得到源案例的特征权重用于目标案例检索流程中的案例相似性计算；

目标案例检索，首先由用户录入待检索的目标案例并对权重进行主观修正，然后采用源案例准备流程中学习到的词向量模型对目标案例进行编码，利用编码后的目标案例与编码库中的案例特征进行相似性计算获得最相似的K条案例编号，再依据这K条案例编号从案例库中获取最相似的源案例用于病例诊断；如果检索到的源案例能够匹配目标案例，则完成例重用，直接用于病例诊治，否则进行案例修正，然后再进行案例重用；最后，将重用后的案例以新案例的形式存储到案例库中。

3.根据权利要求2所述的基于真实世界数据的外感热病辅助决策系统，其特征在于：所述编码库中，案例编码采用的是Word2Vec模型；

Word2Vec模型分为两个部分，第一部分为建立模型，第二部分是通过模型获取嵌入词向量；Word2Vec的整个建模过程先基于训练数据构建一个神经网络，当这个模型训练好以后，这个模型通过训练数据所学得的参数为隐层权重矩阵，然后在基于权重矩阵计算出词向量；

Word2vec使用单个隐藏层，隐藏层中的神经元都是线性神经元，输入层设置为具有与用于训练的词汇中的单词一样多的神经元，隐藏图层大小设置为生成的单词向量的维度，输出图层的大小与输入图层相同；

假设用于学习单词向量的词汇表由V个单词组成并且N为单词向量的维度，则对隐藏层连接的输入由大小为V×N的矩阵WI表示，其中每行表示词汇单词；以相同的方式，通过矩阵WO来描述从隐藏层到输出层的连接大小为N×V。

4.根据权利要求3所述的基于真实世界数据的外感热病辅助决策系统，其特征在于：所述Word2Vec模型的连续词袋模型建模方法，执行以下步骤：

(1)计算隐藏层h的输出：

其中，x_i为每个词对应Word2Vec模型输入层的编码，WI^T为Word2Vec模型输入层与隐层之间的权重矩阵，C为Word2Vec模型隐层节点数量，h为Word2Vec模型隐层输出向量；

(2)计算在输出层每个结点的输入：

u＝WO^T·h

其中，WO是Word2Vec模型隐层与输出层之间的权重矩阵，h为Word2Vec模型隐层输出向量，u为Word2Vec模型输出层的输入向量；

(3)计算输出层的输出，将Softmax用作激活函数，Softmax为非线性激活函数，用于计算背景词在Word2Vec模型的输出向量，然后将输出向量与目标词向量进行对比差异而达到模型的学习。