[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

本發明提供一種醫療文本搜索方法及相關設備。所述方法獲取多個醫療文本；對多個醫療文本中的每個醫療文本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；接收請求方的搜索請求；對待搜索文本進行擴展；對擴展后的待搜索文本進行醫療命名實體識別；在多個醫療文本中搜索醫療命名實體與擴展后的待搜索文本匹配、來源及類型與待搜索文本匹配并且發布時間晚于待搜索文本的限制時間的多個候選醫療文本；根據多個候選醫療文本的醫療命名實體的位置序號和擴展后的待搜索文本的多個醫療命名實體計算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請求方。本發明提升醫療文本搜索的準確度。

技術領域

本發明涉及實體識別技術領域，具體涉及一種醫療文本搜索方法、裝置、計算機設備及計算機存儲介質。

背景技術

蘊含在醫療文本中的知識對生物醫學的醫療實踐、教學和科研都有重要的意義。而醫療文本的巨大數量使得人們在海量的文獻集中發現和獲取這些有用的信息變得愈加困難。因此，針對海量醫療文本的準確的搜索工具成為相關人員的迫切需要。

發明內容

鑒于以上內容，有必要提出一種醫療文本搜索方法、裝置、計算機設備及計算機存儲介質，其可以識別待識別藥物語句中的藥物。

本申請的第一方面提供一種醫療文本搜索方法，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。

另一種可能的實現方式中，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。

另一種可能的實現方式中，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；