一种基于课程学习的多标签国际疾病分类训练方法

摘要

本发明公开了一种基于课程学习的多标签国际疾病分类训练方法，在对国际疾病大规模数据集进行分类自动编码时通过三种不同的小批量样本采样方法来控制标签分布。首先获取多标签国际疾病训练样本集，并将多标签国际疾病训练样本集划分为多个训练样本子集；第一阶段训练，对训练样本子集进行迭代分层采样与计算梯度并第一轮更新模型参数；第二阶段训练，对训练样本集进行迭代置乱切分与计算梯度并第二轮更新模型参数；第三阶段训练，对训练样本子集进行迭代概率采样和计算梯度并第三轮更新模型参数。本发明改进了当前主流模型的训练阶段，改进的模型在ICD编码多标签分类任务中大幅提升了模型精度和泛化能力。