[發(fā)明專利]基于三層條件隨機(jī)場的疾病數(shù)據(jù)命名實體識別方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710906128.8
• 申請日: 2017-09-29
• 公開（公告）號: CN107818083A
• 公開（公告）日: 2018-03-20
• 發(fā)明（設(shè)計）人: 趙淦森;劉創(chuàng)輝;王欣明;夏慧敏;梁會營;劉廣建;莊序填;席云;伍昱燊;余達(dá)明;唐華;龐雄文;聶瑞華
• 申請（專利權(quán)）人: 華南師范大學(xué);廣州市婦女兒童醫(yī)療中心(廣州市婦幼保健院;廣州市兒童醫(yī)院;廣州市婦嬰醫(yī)院)
• 主分類號: G06F17/27
• 分類號: G06F17/27
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司44205
• 代理人: 胡輝

1.基于三層條件隨機(jī)場的疾病數(shù)據(jù)命名實體識別方法，其特征在于，包括以下步驟：

獲取兒童疾病文本數(shù)據(jù)，將兒童疾病文本數(shù)據(jù)輸入三層條件隨機(jī)場模型的第一層進(jìn)行記錄信息識別，輸出第一層識別文本數(shù)據(jù)；

將第一層識別文本數(shù)據(jù)輸入三層條件隨機(jī)場模型的第二層進(jìn)行簡單命名實體識別，輸出第二層識別文本數(shù)據(jù)；

將第二層識別文本數(shù)據(jù)輸入三層條件隨機(jī)場模型的第三層進(jìn)行復(fù)雜命名實體識別，輸出最終命名實體識別結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于三層條件隨機(jī)場的疾病數(shù)據(jù)命名實體識別方法，其特征在于，所述記錄信息為兒童疾病文本數(shù)據(jù)中記錄有疾病數(shù)據(jù)命名實體的句子信息，所述三層條件隨機(jī)場模型的第二層對簡單部位名稱和基本疾病名稱進(jìn)行實體識別，所述三層條件隨機(jī)場模型的第三層對部位名稱、疾病名稱以及癥狀名稱進(jìn)行實體識別。

3.根據(jù)權(quán)利要求1所述的基于三層條件隨機(jī)場的疾病數(shù)據(jù)命名實體識別方法，其特征在于，所述獲取兒童疾病文本數(shù)據(jù)，將兒童疾病文本數(shù)據(jù)輸入三層條件隨機(jī)場模型的第一層進(jìn)行記錄信息識別，輸出第一層識別文本數(shù)據(jù)這一步驟具體包括以下步驟：

獲取兒童疾病文本數(shù)據(jù)，從兒童疾病文本數(shù)據(jù)中獲取第一訓(xùn)練集和第一測試集；

對第一訓(xùn)練集和第一測試集進(jìn)行句子標(biāo)識；

獲取第一訓(xùn)練特征并生成第一訓(xùn)練特征函數(shù)，獲取第一測試特征并生成第一測試特征函數(shù)；

對第一訓(xùn)練集進(jìn)行參數(shù)估計，結(jié)合第一訓(xùn)練特征和第一訓(xùn)練特征函數(shù)進(jìn)行三層條件隨機(jī)場模型的第一層條件隨機(jī)場學(xué)習(xí)；

根據(jù)三層條件隨機(jī)場模型的第一層條件隨機(jī)場學(xué)習(xí)結(jié)果生成第一條件隨機(jī)場訓(xùn)練模型；

用第一條件隨機(jī)場訓(xùn)練模型對第一訓(xùn)練集進(jìn)行記錄信息識別，并輸出記錄信息識別文本數(shù)據(jù)，所述記錄信息識別文本數(shù)據(jù)作為三層條件隨機(jī)場模型的第二層訓(xùn)練集的輸入；

結(jié)合第一測試特征和第一測試特征函數(shù)，利用第一條件隨機(jī)場訓(xùn)練模型對第一測試集進(jìn)行測試，輸出記錄信息測試文本數(shù)據(jù)，所述記錄信息測試文本數(shù)據(jù)作為三層條件隨機(jī)場模型的第二層測試集的輸入。

4.根據(jù)權(quán)利要求3所述的基于三層條件隨機(jī)場的疾病數(shù)據(jù)命名實體識別方法，其特征在于，所述第一訓(xùn)練特征或第一測試特征包括句子特征、句子邊界特征以及第一上下文特征。

5.根據(jù)權(quán)利要求3所述的基于三層條件隨機(jī)場的疾病數(shù)據(jù)命名實體識別方法，其特征在于，所述對第一訓(xùn)練集和第一測試集進(jìn)行句子標(biāo)識這一步驟包括對第一訓(xùn)練集進(jìn)行句子語料標(biāo)注的步驟，所述對第一訓(xùn)練集進(jìn)行句子語料標(biāo)注的步驟具體包括以下步驟：

獲取8種標(biāo)簽：MB、ME、C、R、G、K、H和O；其中，MB、ME、C、R、G、K、H和O分別代表病歷記錄開頭、病歷記錄結(jié)尾、診斷屬性、入院情況屬性、病程與診療結(jié)果屬性、出院情況屬性、出院醫(yī)囑屬性和其他；

用所述8種標(biāo)簽對第一訓(xùn)練集進(jìn)行標(biāo)注。

6.根據(jù)權(quán)利要求3所述的基于三層條件隨機(jī)場的疾病數(shù)據(jù)命名實體識別方法，其特征在于，所述將第一層識別文本數(shù)據(jù)輸入三層條件隨機(jī)場模型的第二層進(jìn)行簡單命名實體識別，輸出第二層識別文本數(shù)據(jù)這一步驟具體包括以下步驟：

從記錄信息識別文本數(shù)據(jù)中獲取第二訓(xùn)練集，從記錄信息測試文本數(shù)據(jù)中獲取第二測試集；

對第二訓(xùn)練集和第二測試集進(jìn)行簡單命名實體標(biāo)識；

獲取第二訓(xùn)練特征并生成第二訓(xùn)練特征函數(shù)，獲取第二測試特征并生成第二測試特征函數(shù)；

對第二訓(xùn)練集進(jìn)行參數(shù)估計，結(jié)合第二訓(xùn)練特征和第二訓(xùn)練特征函數(shù)進(jìn)行三層條件隨機(jī)場模型第二層的條件隨機(jī)場學(xué)習(xí)；

根據(jù)三層條件隨機(jī)場模型第二層的條件隨機(jī)場學(xué)習(xí)結(jié)果生成第二條件隨機(jī)場訓(xùn)練模型；

用第二條件隨機(jī)場訓(xùn)練模型對第二訓(xùn)練集進(jìn)行簡單命名實體識別，并輸出簡單識別文本數(shù)據(jù)，所述簡單識別文本數(shù)據(jù)作為三層條件隨機(jī)場模型的第三層訓(xùn)練集的輸入；

結(jié)合第二測試特征和第二測試特征函數(shù)，利用第二條件隨機(jī)場訓(xùn)練模型對第二測試集進(jìn)行測試，輸出簡單測試文本數(shù)據(jù)，所述簡單測試文本數(shù)據(jù)作為三層條件隨機(jī)場模型的第三層測試集的輸入。