[發(fā)明專利]一種實(shí)體關(guān)系抽取方法、終端設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010047654.5
• 申請(qǐng)日: 2020-01-16
• 公開（公告）號(hào): CN113130025A
• 公開（公告）日: 2021-07-16
• 發(fā)明（設(shè)計(jì)）人: 唐琎;覃若彬;高琰;王艷東
• 申請(qǐng)（專利權(quán)）人: 中南大學(xué)
• 主分類號(hào): G16H10/60
• 分類號(hào): G16H10/60;G16H50/70;G06F40/295;G06F40/30;G06F16/33;G06F16/35
• 代理公司: 長(zhǎng)沙市融智專利事務(wù)所(普通合伙) 43114
• 代理人: 龔燕妮

1.一種實(shí)體關(guān)系抽取方法，其特征在于，包括以下步驟：

步驟1，從電子病歷文本數(shù)據(jù)庫(kù)中人工抽取若干個(gè)符合預(yù)設(shè)實(shí)體關(guān)系的二元實(shí)體對(duì)作為種子實(shí)例；

步驟2，對(duì)每個(gè)種子實(shí)例，均在電子病歷文本數(shù)據(jù)庫(kù)中查找包括種子實(shí)例的句子，并提取該句子的特征向量；

步驟3，基于特征向量對(duì)種子實(shí)例進(jìn)行聚類；均根據(jù)其中種子實(shí)例以及種子實(shí)例相應(yīng)有句子的特征向量，生成與該聚類集群對(duì)應(yīng)的提取模板；

步驟4，使用步驟3得到的提取模板，在電子病歷文本數(shù)據(jù)庫(kù)中提取候選實(shí)例；

其中，每個(gè)提取模板均可提取一組若干個(gè)候選實(shí)例，多個(gè)提取模板均可提取得到同一個(gè)候選實(shí)例；

步驟5，根據(jù)候選實(shí)例的置信度增加新的種子實(shí)例；

步驟5.1，對(duì)步驟3得到的每個(gè)提取模板，均使用由自身提取得到的候選實(shí)例與自身之間的實(shí)體關(guān)系，計(jì)算該提取模板置信度；

步驟5.2，對(duì)步驟4得到的每個(gè)候選實(shí)例，均使用可提取自身的所有提取模板的置信度，計(jì)算該候選實(shí)例的置信度；

步驟5.3，將置信度大于置信度閾值的候選實(shí)例作為新的種子實(shí)例，返回步驟2執(zhí)行下一次迭代，直到達(dá)到預(yù)設(shè)迭代次數(shù)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟5.1中計(jì)算每個(gè)提取模板置信度的方法為：

對(duì)由自身提取得到的候選實(shí)例進(jìn)行統(tǒng)計(jì)，若候選實(shí)例與提取模板中的2個(gè)實(shí)體相同，則該候選實(shí)例為正提取；若候選實(shí)例與提取模板中的1個(gè)實(shí)體相同，則該候選實(shí)例為負(fù)提取；若候選實(shí)例與提取模板中的2個(gè)實(shí)體均不同，則該候選實(shí)例為未知提取；然后根據(jù)正提取、負(fù)提取和未知提取的數(shù)量，按以下公式計(jì)算該提取模板的置信度：

式中，Conf_ρ(p)表示模板p的置信度，|P|、|N|、|U|分別表示模板p所對(duì)應(yīng)的正提取、負(fù)提取、未知提取的數(shù)量，W_ngt、W_unk分別是負(fù)提取和未知提取的權(quán)重；

步驟5.2中計(jì)算候選實(shí)例置信度的方法為：

式中，Conf_ι(i)為候選實(shí)例i的置信度，ξ為候選實(shí)例i的所有提取模板組成的集合，ξ_j為集合ξ中標(biāo)號(hào)為j的提取模板，C_i為候選實(shí)例i所在的句子；sim(C_i,ξ_j)表示句子C_i與提取模板ξ_j之間的相似度。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述候選實(shí)例是指，與提取模板相似度大于相似度閾值的所有符合預(yù)設(shè)實(shí)體關(guān)系的二元實(shí)體對(duì)。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，提取每個(gè)句子特征向量的具體過程為：根據(jù)依存句法對(duì)句子進(jìn)行分析，提取句子中的二元實(shí)體對(duì)的所有依存特征，使用skip-gram方法提取每個(gè)依存特征的詞向量，取所有詞向量的平均值作為該句子的特征向量。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，采用single-pass算法對(duì)句子進(jìn)行聚類。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于，符合預(yù)設(shè)實(shí)體關(guān)系的二元實(shí)體對(duì)為身體部位，醫(yī)學(xué)描述。

7.根據(jù)權(quán)利要求6所述的方法，其特征在于，電子病歷文本數(shù)據(jù)庫(kù)是指，包括若干醫(yī)療電子病歷文本數(shù)據(jù)、并已分句處理、且對(duì)每個(gè)句子進(jìn)行實(shí)體標(biāo)注處理得到的txt文檔。

8.根據(jù)權(quán)利要求1所述的方法，其特征在于，預(yù)設(shè)迭代次數(shù)為5次。

9.一種終端設(shè)備，包括存儲(chǔ)器、處理器以及存儲(chǔ)在所述存儲(chǔ)器中并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述的方法。

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至8任一項(xiàng)所述的方法。