技术摘要：
本发明公开了一种基于本体的医疗纠纷案件舆情预警等级的预测方法，先进行医疗纠纷案件的本体构建，然后进行舆情预警等级预测，舆情预警等级预测包括以下步骤：先使用词语编码的算法对舆情预警等级的预测模型进行训练；然后使用句子编码的算法对舆情预警等级的预测模型  全部
背景技术：
医疗纠纷是目前的一个焦点和热点问题，由于医疗纠纷发生率呈不断上升趋势且 医患关系更为紧张，医患矛盾更加尖锐，医患关系已不单是一个医学问题，更是一个社会问 题。医患关系紧张的现状引起社会关注，舆论能够导致社会舆情呈现病毒式爆发的趋势。所 以对于容易引起社会不安的案件舆情，法院需要及时做出正确的引导。 人工智能广泛应用在各大领域，都取得了突破性的进展，国家目前高度重视人工 智能产业的发展，与此同时，人工智能也已经走进法律领域，可以更好的建设“智慧法院”。 目前大部分法院没有形成科学合理的舆情监测机制，技术手段落后、响应速度慢、针对性和 时效性差，对网络舆情发展走向掌握程度不深，无法及时发现和规范化处理违法有害舆情 信息。
技术实现要素：
本发明要解决的技术问题，在于提供一种基于本体的医疗纠纷案件舆情预警等级 的预测方法，对医疗纠纷案件的舆情预警等级预测具有重要的意义，同时能够给法院处理 舆情争取更多的时间，提高工作人员效率，消除网络舆情危机的负面影响，提高司法公信 力。 本发明通过下述方案实现：一种基于本体的医疗纠纷案件舆情预警等级的预测方 法，先进行医疗纠纷案件的本体构建，然后进行舆情预警等级预测，所述舆情预警等级预测 包括以下步骤： 步骤一、使用词语编码的算法对舆情预警等级的预测模型进行训练； 步骤二、使用句子编码的算法对舆情预警等级的预测模型进行训练； 步骤三、将本体结构中的案件要素分配权重与词语编码、句子编码结合在一起，对 舆情预警等级的预测。 所述医疗纠纷案件的本体构建包括以下过程： 过程一、确定案件要素，确定舆情预警等级、医方过错、造成患者后果、过错占比和 医疗事故等级共5个案件要素； 过程二、分析案件要素间的语义关系，通过对案件要素以及案件舆情预警等级的 分析，得出医方过错、造成患者后果、过错占比和医疗事故等级都会影响舆情预警等级，舆 情预警等级根据严重程度分为特重、重度、中度、轻度四个等级。 过程三、定义推理规则，根据医疗事故的定义以及《侵权责任法》和《医疗事故处理 条例》，通过医方过错、造成患者后果来推理医疗事故等级。 过程四、根据过程一、过程二和过程三使用protégé4.2构建医疗纠纷案件本体。 4 CN 111581982 A 说　明　书 2/5 页 所述步骤一中采用基于Word2vec与支持向量机相结合的医疗纠纷案件舆情等级 的预测方法。 所述基于Word2vec与支持向量机相结合的医疗纠纷案件舆情等级的预测方法如 下：先对文本先进行分词，形成日常中容易出现的词后，以词为单位，将百科小说使用 Word2vec模型进行训练，将词语匹配到的模型训练得到的词向量作为该词语的词向量进行 文本表示。 根据权利要求4所述的一种基于本体的医疗纠纷案件舆情预警等级的预测方法， 其特征在于：Word2vec的训练模型有两种，即Skip-Gram和CBOW。Skip-Gram是通过目标词来 预测与其相关的上下文，即随机从语料库里面抽取多个词，然后通过概率计算为目标词找 到与其语义相接近的词语，百科的训练模型选取Skip-Gram进行训练。 在百科的训练模型中匹配到词语的词向量是128维的，之后对每个案件文本的词 语数量进行统计，取中间值300作为定长，形成[300,128]的向量矩阵，将向量矩阵作为特征 输入，使用支持向量机来做分类。 所述步骤二中采用基于TextRank算法与支持向量机相结合的医疗纠纷案件舆情 预警等级的预测方法。 所述TextRank算法的公式如下： 所述步骤二中在计算每个句子给它链接句的贡献的时候，是计算权重占总权重的 比例来分配。 所述权重是指两个句子的相似程度，根据余弦相似度算法，创建相似矩阵并计算 句子间相似度。 在对一篇文章进行摘要的时候，默认每个句子和其他所有的句子都是有链接关系 的，然后计算权重，将每个句子链接的权重加在一起作为此句子在文本中的权重。 之后分别统计每个案件文本中句子的数量，以及句子中词语的数量，取中间值，最 终句子数取12，词语数取50，形成三维向量矩阵[12,50,128]，作为特征输入到支持向量机 中做分类。 所述步骤三采用的方法是将本体结构中出现案件要素的句子分配权重，然后在文 本数据中以句子为单位进行查找匹配，将赋有权重后的句子向量作为特征输入，使用支持 向量机进行分类。 本发明的有益效果为： 1、本发明对医疗纠纷案件的舆情预警等级预测具有重要的意义，同时能够给法院 处理舆情争取更多的时间，提高工作人员效率，消除网络舆情危机的负面影响，提高司法公 信力； 2、本发明应用本体知识构建医疗纠纷案件本体，使用本体推理方法将案件要素语 义化；应用机器学习算法与本体结构相结合，形成医疗纠纷案件舆情预警等级的预测模型； 3、本发明在基于本体结构与词语编码、句子编码相结合的医疗纠纷案件舆情等级 的预测中采用将本体结构与机器学习算法相结合的方法，在使用本体推理完善案件要素内 容和将案件要素语义化的基础上，将具有案件要素的句子进行加权，并作为特征输入分类 5 CN 111581982 A 说　明　书 3/5 页 器，很好的将本体知识库应用，使用人工智能的技术实现舆情预警等级的预测功能。 附图说明 图1为医疗纠纷案件本体的构建模型图。