[发明专利]一种用于疾病风险预测的调查问卷质量评价方法及系统

权利要求书

1.一种用于疾病风险预测的调查问卷质量评价方法，其特征在于，包括以下步骤：

确定调查问卷中所述疾病的影响因素；

获取多个疾病阳性样本和多个疾病阴性样本，对于所述疾病的每个影响因素，分别计算信息增益，得到每个影响因素的权重；

获取多个调查问卷样本，所述调查问卷样本中包括真实样本和不真实样本，针对调查问卷中的每个影响因素，分别训练可信度评价网络；

获取待评价调查问卷，对其中的每个影响因素，分别根据填写结果，采用相应可信度评价网络得到各个影响因素的可信度，然后基于相应影响因素的权重，得到所述待评价调查问卷的整体可信度。

2.如权利要求1所述的一种用于疾病风险预测的调查问卷质量评价方法，其特征在于，确定调查问卷中包含的疾病影响因素包括：

获取多个所述疾病阳性样本对应的正确填写的调查问卷，对调查问卷进行主题分类，根据主题对疾病的影响，确定调查问卷中所述疾病的影响因素。

3.如权利要求1所述的一种用于疾病风险预测的调查问卷质量评价方法，其特征在于，每个影响因素的信息增益计算方法包括：

根据疾病样本中阳性样本和阴性样本的占比，计算疾病样本的信息熵；

根据调查问卷中所述影响因素的选项个数，对疾病样本划分子集，根据每个子集中诊断结果为阳性和阴性的占比，计算各个子集的信息熵；

根据疾病样本的信息熵和该影响因素各个子集的信息熵，计算所述影响因素的信息增益。

4.如权利要求3所述的一种用于疾病风险预测的调查问卷质量评价方法，其特征在于，疾病样本的信息熵计算方法为：

其中，D为疾病样本总数，N和M分别是其中阳性样本和阴性样本的个数。

5.如权利要求4所述的一种用于疾病风险预测的调查问卷质量评价方法，其特征在于，所述影响因素每个子集的信息熵计算方法为：

其中，D^v表示所述影响因素第v个子集，|D^v|表示该子集的样本数，N^v和M^v分别是其中阳性样本和阴性样本的个数。

6.如权利要求5所述的一种用于疾病风险预测的调查问卷质量评价方法，其特征在于，所述影响因素的信息增益计算方法为：

其中，n表示所述影响因素的子集个数。

7.如权利要求1所述的一种用于疾病风险预测的调查问卷质量评价方法，其特征在于，每个影响因素的可信度评价网络训练方法包括：

获取多个调查问卷样本中针对所述影响因素的填写结果；

根据各选项的占比和排序，生成特征向量；

基于深度学习模型，训练所述影响因素的可信度评价网络。

8.一种用于疾病风险预测的调查问卷质量评价系统，其特征在于，包括：

影响因素确定模块，用于确定调查问卷中所述疾病的影响因素；

信息增益计算模块，用于获取多个疾病阳性样本和多个疾病阴性样本，对于所述疾病的每个影响因素，分别计算信息增益，得到每个影响因素的权重；

网络模型训练模块，用于获取多个调查问卷样本，所述调查问卷样本中包括真实样本和不真实样本，针对调查问卷中的每个影响因素，分别训练可信度评价网络；

质量评价模块，用于获取待评价调查问卷，对其中的每个影响因素，分别根据填写结果，采用相应可信度评价网络得到各个影响因素的可信度，然后基于相应影响因素的权重，得到所述待评价调查问卷的整体可信度。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的用于疾病风险预测的调查问卷质量评价方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的用于疾病风险预测的调查问卷质量评价方法。