[發明專利]醫療文本搜索方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202010195666.2
• 申請日: 2020-03-19
• 公開（公告）號: CN111581337A
• 公開（公告）日: 2020-08-25
• 發明（設計）人: 吳匯哲
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F40/247;G06F40/295;G06F40/30;G06N3/04;G06N3/08;G16H50/70;G06F16/951
• 代理公司: 深圳市賽恩倍吉知識產權代理有限公司 44334
• 代理人: 劉麗華;孫芬

1.一種醫療文本搜索方法，其特征在于，所述方法包括：

獲取多個醫療文本，每個醫療文本包括發布時間、來源、類型、標題、摘要和正文內容，每個醫療文本有對應的鏈接地址；

對所述多個醫療文本中的每個醫療文本的標題、摘要、正文內容進行醫療命名實體識別，得到每個醫療文本的多個醫療命名實體，每個醫療命名實體有對應的位置序號；

接收請求方的搜索請求，所述搜索請求包括待搜索文本、對所述待搜索文本的限制時間、所述待搜索文本的類型和所述待搜索文本的目標來源；

對所述待搜索文本進行擴展，得到擴展后的待搜索文本；

對所述擴展后的待搜索文本進行醫療命名實體識別，得到所述擴展后的待搜索文本的多個醫療命名實體；

在所述多個醫療文本中搜索醫療命名實體與所述擴展后的待搜索文本的醫療命名實體匹配、來源及類型與所述待搜索文本匹配并且發布時間晚于所述待搜索文本的限制時間的多個候選醫療文本；

根據所述多個候選醫療文本的醫療命名實體的位置序號和所述擴展后的待搜索文本的多個醫療命名實體計算所述多個候選醫療文本的匹配得分；

將匹配得分最高的預設數量的候選醫療文本返回所述請求方。

2.如權利要求1所述的方法，其特征在于，所述對所述多個醫療文本中的每個醫療文本的標題、摘要、正文內容進行醫療命名實體識別包括：

對每個醫療文本的標題、摘要、正文內容進行分句、去重、錯誤修正預處理，得到預處理后的文本內容；

將所述預處理后的文本內容中的每個語句轉化為向量序列；

將每個語句對應的向量序列輸入訓練好的第一雙向長短時記憶網絡，得到該語句的特征向量序列，將該語句的特征向量序列輸入訓練好的第一條件隨機場，得到該語句的標記序列；

根據所述預處理后的文本內容中的每個語句的標記序列識別醫療命名實體。

3.如權利要求2所述的方法，其特征在于，在所述對所述多個醫療文本中的每個醫療文本的標題、摘要、正文內容進行醫療命名實體識別之前，所述方法還包括：

獲取醫療訓練語句和所述醫療訓練語句的標簽向量序列；

將所述醫療訓練語句轉化為向量序列；

將所述醫療訓練語句的向量序列輸入所述第一雙向長短時記憶網絡，得到所述醫療訓練語句的特征向量序列，將所述醫療訓練語句的特征向量序列輸入所述第一條件隨機場，得到所述醫療訓練語句的標記序列；

根據所述醫療訓練語句的標簽向量序列和標記序列通過梯度下降法調整所述第一雙向長短時記憶網絡和所述第一條件隨機場的隱藏層的權重和偏置值。

4.如權利要求1所述的方法，其特征在于，所述對所述待搜索文本進行擴展包括：

對所述待搜索文本進行分詞處理，得到多個目標詞語；

確定所述多個詞語中每個目標詞語的近義詞集合；

在所述待搜索文本中用每個目標詞語的近義詞集合中的詞語替換該目標詞語，將每次替換后的所述待搜索文本確定為一個擴展后的待搜索文本。

5.如權利要求4所述的方法，其特征在于，所述確定所述多個詞語中每個目標詞語的近義詞集合包括：

從預設近義詞詞典中查詢該目標詞語的近義詞；和/或

獲取歷史搜索信息，從所述歷史搜索信息中標記的醫療文本中確定該目標詞語的近義詞；和/或

從所述待搜索文本中刪除該目標詞語，得到該目標詞語的匹配模板，從所述多個醫療文本中查找所述匹配模板，將查找到的所述匹配模板所在的語句中與該目標詞語對應的詞語確定為該目標詞語的近義詞，其中，該目標詞語在所述匹配模板中的位置與該目標詞語對應的詞語在查找到的所述匹配模板中的位置一致。