基于TextCRNN-OvR的患者咨询文本分类方法

人工智能技术加速了互联网医疗发展,患者在线问诊逐渐成为新趋势。然而大多数患者自身医学知识匮乏,往往出现挂错科室的情况。因此,患者咨询文本分类对于引导患者线上选择就诊科室显得十分重要。本文提出一种结合卷积循环神经网络与OvR策略的文本多分类方法,既可以捕捉文本局部特征,又可以学习词序信息。本文爬取了39问答网上的患者咨询文本作为数据源,对所提方法进行了验证,并与已有的分类算法作对比,结果表明所提方法在精度、召回率、F1值及准确率指标上具有更优越的算法性能。其中,相较于其他SOTA的文本分类模型,TextCRNN-OvR在文本分类精度上取得了1%~4%不同程度上的提高,这进一步说明了TextCRNN在提取文本特征方面以及本文OvR多分类策略的有效性。