[發(fā)明專利]基于本體的文檔分析和注釋生成

在審

• 申請(qǐng)?zhí)枺?/td>: 202010080072.7
• 申請(qǐng)日: 2020-02-04
• 公開(kāi)（公告）號(hào): CN111539193A
• 公開(kāi)（公告）日: 2020-08-14
• 發(fā)明（設(shè)計(jì)）人: B·布爾;P·L·費(fèi)爾特;A·?？怂?/a>
• 申請(qǐng)（專利權(quán)）人: 國(guó)際商業(yè)機(jī)器公司
• 主分類號(hào): G06F40/205
• 分類號(hào): G06F40/205;G06F40/169;G06F40/279;G06F40/30;G06F16/35
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 酆迅;彭夢(mèng)曄

1.一種方法，包括：

接收包括文本數(shù)據(jù)的電子文檔；

通過(guò)使用經(jīng)訓(xùn)練的段落編碼器處理所述電子文檔來(lái)為所述電子文檔中包括的多個(gè)單詞生成多個(gè)重要性得分；

基于所述多個(gè)重要性得分來(lái)從所述多個(gè)單詞中標(biāo)識(shí)多個(gè)重要單詞；

根據(jù)所述多個(gè)重要單詞生成一個(gè)或多個(gè)單詞集群，其中所述一個(gè)或多個(gè)單詞集群中的每個(gè)單詞集群包括所述多個(gè)重要單詞中的至少一個(gè)重要單詞；

為所述一個(gè)或多個(gè)單詞集群中的第一集群選擇代表性單詞；

將針對(duì)所述第一集群的所述代表性單詞映射到來(lái)自預(yù)定義概念列表的一個(gè)或多個(gè)概念；

通過(guò)一個(gè)或多個(gè)計(jì)算機(jī)處理器的操作來(lái)對(duì)所述一個(gè)或多個(gè)概念進(jìn)行消歧以標(biāo)識(shí)針對(duì)所述電子文檔的相關(guān)概念集合；以及

至少部分基于所述相關(guān)概念集合來(lái)生成所述電子文檔的帶注釋的版本。

2.根據(jù)權(quán)利要求1所述的方法，其中標(biāo)識(shí)所述多個(gè)重要單詞包括：

為所述電子文檔中的每個(gè)單詞生成重要性得分；以及

確定針對(duì)所述電子文檔的預(yù)期重要性得分；以及

從所述電子文檔中選擇重要性得分超過(guò)所述預(yù)期重要性得分的單詞。

3.根據(jù)權(quán)利要求1所述的方法，其中生成所述一個(gè)或多個(gè)單詞集群包括：

為所述多個(gè)重要單詞中的每個(gè)相應(yīng)單詞生成相應(yīng)矢量；以及

對(duì)超過(guò)預(yù)定義相似性閾值的矢量進(jìn)行聚類。

4.根據(jù)權(quán)利要求1所述的方法，所述方法還包括：

基于將所述相關(guān)概念集合映射到預(yù)定義搜索項(xiàng)集合來(lái)生成概括所述電子文檔的多個(gè)項(xiàng)。

5.根據(jù)權(quán)利要求4所述的方法，其中所述預(yù)定義搜索項(xiàng)集合包括醫(yī)學(xué)主題(MeSH)項(xiàng)。

6.根據(jù)權(quán)利要求1所述的方法，其中所述段落編碼器是遞歸神經(jīng)網(wǎng)絡(luò)(RNN)。

7.根據(jù)權(quán)利要求1所述的方法，其中所述預(yù)定義概念列表包括統(tǒng)一醫(yī)學(xué)語(yǔ)言系統(tǒng)(UMLS)概念唯一標(biāo)識(shí)符(CUI)。

8.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，具有利用其實(shí)施的計(jì)算機(jī)可讀程序代碼，所述計(jì)算機(jī)可讀程序代碼由一個(gè)或多個(gè)計(jì)算機(jī)處理器可執(zhí)行以執(zhí)行根據(jù)權(quán)利要求1至7中任一項(xiàng)所述的方法。

9.一種系統(tǒng)，包括：

一個(gè)或多個(gè)計(jì)算機(jī)處理器；以及

包含程序的存儲(chǔ)器，所述程序在由所述一個(gè)或多個(gè)計(jì)算機(jī)處理器執(zhí)行時(shí)執(zhí)行根據(jù)權(quán)利要求1至7中任一項(xiàng)所述的方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(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)具有利用其實(shí)施的計(jì)算機(jī)可讀程序代碼，所述計(jì)算機(jī)可讀程序代碼由一個(gè)或多個(gè)計(jì)算機(jī)處理器可執(zhí)行以執(zhí)行根據(jù)權(quán)利要求1至7中任一項(xiàng)所述的方法。