换一批基于BERT-CNN-SIFRank的智能预问诊模型研究与设计
Research and design of intelligent pre-consultation model based on BERT-CNN-SIFRank
摘要目的:研究并设计智能预问诊模型,模拟医生实际问诊过程,准确了解患者就诊意图,自动解答患者提出的问题,减少患者问诊等待时间,提升患者就医体验,提高医生接诊效率.方法:基于深度学习技术构建智能预问诊模型,设计基于BERT-CNN的医疗文本分类模型实现患者问题分类,利用基于SIFRank的医疗文本关键词抽取模型提取患者问题关键词,进而获取患者医疗问题意图.结果:基于BERT-CNN的医疗文本分类模型在公开数据集上的F1 值达到 82.84%,有效提高了医疗文本分类准确率.结论:基于BERT-CNN-SIFRank的智能预问诊模型丰富了预问诊研究技术路线,为构建高效、智能、个性化的预问诊系统提供了理论模型基础,有利于促进互联网医院高质量发展.
更多相关知识
关键词
预问诊模型医疗文本分类医疗关键词抽取BERTCNNPre-consultation ModelMedical text classificationMedical keyword extractionBERTCNN
栏目名称
DOI
10.3969/j.issn.1673-7571.2025.08.010
发布时间
2025-09-04（万方平台首次上网日期，不代表论文的发表时间）
- 浏览4
- 被引2
- 下载5
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
