[发明专利]一种互联网医疗分诊方法及系统

权利要求书

1.一种互联网医疗分诊方法，其特征在于，包括以下步骤：

S1接收用户主诉信息，主诉信息为主诉文本，可选项包括性别和年龄信息；

S2将主诉信息用预先训练好的BERT模型转换成句向量，再将句向量在预先创建的分诊向量数据库中进行相似度搜索，得到结果一，结果一是根据搜索相似度由高到低排序的科室和相似度对应的集合；

S3将主诉信息用分词工具转换成分词后的主诉文本，再将主诉文本输入到预先训练好的FastText模型中，输出结果二，结果二是根据预测概率由高到低排序的科室分类和概率对应的集合；

S4对结果一、结果二和主诉信息进行加权计算，得到推荐的分诊科室；

S5将推荐分诊科室返回给用户。

2.根据权利要求1所述的一种互联网医疗分诊方法，其特征在于，S2中，分诊向量数据库的创建方法，包括以下步骤：

(1)在公开的医疗问答网站和医疗百科中获取数据并清洗成科室和描述对应的样本数据集合；

(2)将样本数据集合中的每条初始数据的描述用BERT模型转化成句向量形成新的科室和句向量对应的向量集合；

(3)将向量集合存入支持按搜索相似度排序的向量数据库中。

3.根据权利要求1所述的一种互联网医疗分诊方法，其特征在于，S3中，FastText模型训练方法，包括以下步骤：

(1)将公开的医疗问答网站和医疗百科中获取的数据集合作为FastText模型训练的样本数据集合；

(2)对集合中每条样本数据的描述用分词工具进行分词并和该条数据的科室对应转换成FastText模型的输入格式形成训练数据。并将训练数据按照一定比例分配为训练集、验证集和测试集；

(3)设置FastText模型的训练参数并进行训练。

4.根据权利要求1所述的一种互联网医疗分诊方法，其特征在于，S4中，对结果一、结果二和主诉信息进行加权计算的方法，包括以下步骤：

(1)先对结果一的集合按照相同科室只保留一条记录的规则进行合并，同科室合并后的相似度为被合并条目的相似度进行加权计算后的相似度，合并后再按相似度由高到低排序并限制集合长度不大于K得到结果三；

(2)对结果三和结果二的集合也按照相同科室只保留一条记录的规则进行合并，同科室合并后的权重为结果三中被合并项的相似度和结果二被合并项的概率进行加权计算后的值，合并后再按权重值由高到低排序，排序后的科室和对应权重集合作为结果四。

5.根据权利要求4所述的一种互联网医疗分诊方法，其特征在于，如果主诉信息有年龄和性别信息，通过查询年龄和性别对应科室权重表对结果四的权重值进行加权调整，年龄和性别对应科室权重表，是由科室和对应年龄和性别的相关概率组成的二维表，具体概率值可查公开数据或专家评估指导得出。

6.根据权利要求4所述的一种互联网医疗分诊方法，其特征在于，对结果四的科室进行科室标准化，方法包括以下步骤：

(1)统计样本数据集合中出现过的科室列表；

(2)对科室列表中的每个科室映射一个对应的标准科室，形成样本数据中出现的科室对应标准科室的二维表；

(3)根据标准科室二维表对结果四的科室进行标准科室替换；

(4)替换后如有相同科室的再进行合并，计算对应的加权权重值。

7.根据权利要求4所述的一种互联网医疗分诊方法，其特征在于，检查推荐结果是否有效，若判断为无效结果时将结果四的集合置空，判断方法包括但不限于：

(1)判断结果四中最大权重值是否大于RQ，大于则有效否则无效；

(2)判断结果四集合长度是否小于预设值RN，小于则有效否则无效；

(3)判断结果四的权重平均值是否大于预设值RR，大于则有效否则无效；

(4)判断结果四的权重离散系数是否大于预设值RV，大于则有效否则无效。