[發明專利]一種文獻標注方法、裝置、設備及計算機可讀介質

有效

• 申請號: 201910129323.3
• 申請日: 2019-02-21
• 公開（公告）號: CN109872775B
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 佟凡;宋偉;劉圣;錢丹丹;趙化育;焦亞鑫;李金秋
• 申請（專利權）人: 北京邁迪培爾信息技術有限公司
• 主分類號: G16B20/20
• 分類號: G16B20/20;G16B25/10;G16B50/10;G16B40/00
• 代理公司: 北京智沃律師事務所 11620
• 代理人: 李笑丹

本申請涉及一種文獻標注方法、裝置、設備及計算機可讀介質，所述文獻標注方法包括：接收用戶提交的包含目標基因的基因檢索請求；在數據庫中查找與所述目標基因匹配的基因、變異和疾病之間的關聯關系及所述關聯關系的來源文獻信息；對與所述來源文獻信息對應的來源文獻進行針對基因、變異和疾病的命名實體識別，并標注識別到的命名實體數據；在至少兩個所述命名實體數據所在的關系類型共現語句中，確定命名實體之間的關系類型，在所述來源文獻中標注所述關系類型。本申請能夠提供對醫學文獻中基因、變異、疾病實體的定位以及基因、變異和疾病實體間相關關系的標注能力，提供細粒度的文獻證據溯源能力。

技術領域

本申請涉及計算機技術領域，尤其涉及一種文獻標注方法、裝置、設備及計算機可讀介質。

背景技術

目前，基因疾病的研究判別主要依賴于專家的經驗記憶和對大量文獻閱讀后的主觀理解。

然而，由于缺少客觀的推理過程和便捷的證據鏈條獲取途徑，基因疾病的判別溯源工作量大，證據定位難以精準，影響科學判別結果的獲取。

發明內容

為了解決上述技術問題或者至少部分地解決上述技術問題，本申請提供了一種文獻標注方法、裝置、設備及計算機可讀介質。

第一方面，本申請提供了一種文獻標注方法，包括：

接收用戶提交的包含目標基因的基因檢索請求；

在數據庫中查找與所述目標基因匹配的基因、變異和疾病之間的關聯關系及所述關聯關系的來源文獻信息；

對與所述來源文獻信息對應的來源文獻進行針對基因、變異和疾病的命名實體識別，并標注識別到的命名實體數據；

在至少兩個所述命名實體數據所在的關系類型共現語句中，確定命名實體之間的關系類型，在所述來源文獻中標注所述關系類型。

可選地，所述對與所述來源文獻信息對應的來源文獻進行針對基因、變異和疾病的命名實體識別，包括：

按照預設分詞規則對所述來源文獻中的各語句進行淺層分詞和深層分詞；

將所述來源文獻中的各語句輸入預設的深度神經網絡中，計算每一個輸入的語句中各詞語屬于不同預設實體類型的概率值，所述深度神經網絡由雙向長短期記憶模型網絡層和全連接網絡層組成；

結合傳統機器學習維特比模型、條件隨機場模型及狀態轉移算法，確定關于基因、變異和疾病的命名實體數據。

可選地，所述在至少兩個所述命名實體數據所在的關系類型共現語句中，確定命名實體之間的關系類型，包括：

查找所述命名實體數據所在的關系類型共現語句；

在至少兩個所述命名實體數據所在的關系類型共現語句中，查找位于預設關系類型指示詞庫中的關系類型指示詞；

將所述關系類型指示詞映射至所述數據庫中，確定與所述關系類型指示詞對應的關系類型。

可選地，所述方法還包括：

將與所述目標基因匹配的基因、變異和疾病之間的關聯關系的來源文獻信息更新為至少兩個所述命名實體數據所在的關系類型共現語句。

第二方面，本申請還提供了一種文獻標注裝置，包括：

接收模塊，用于接收用戶提交的包含目標基因的基因檢索請求；

查找模塊，用于在數據庫中查找與所述目標基因匹配的基因、變異和疾病之間的關聯關系及所述關聯關系的來源文獻信息；

識別模塊，用于對與所述來源文獻信息對應的來源文獻進行針對基因、變異和疾病的命名實體識別，并標注識別到的命名實體數據；