[發(fā)明專利]醫(yī)學(xué)文本結(jié)構(gòu)化方法、裝置、計算機設(shè)備及存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 202010935255.2
• 申請日: 2020-09-08
• 公開（公告）號: CN112016274A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計）人: 朱威;何義龍
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G06F40/151
• 分類號: G06F40/151;G06F40/30;G06F40/166
• 代理公司: 深圳眾鼎專利商標代理事務(wù)所(普通合伙) 44325
• 代理人: 姚章國

1.一種醫(yī)學(xué)文本結(jié)構(gòu)化方法，其特征在于，包括：

抓取待處理醫(yī)學(xué)源文本中整段的非結(jié)構(gòu)化醫(yī)學(xué)知識文本；

識別所述非結(jié)構(gòu)化醫(yī)學(xué)知識文本中所有的標點符號，按照所述標點符號將所述非結(jié)構(gòu)文本拆分成多個第一特征語句；

將所述第一特征語句輸入至預(yù)設(shè)語言識別模型后，獲取與每一個所述第一特征語句對應(yīng)的一個語義特征向量；

將所有的所述語義特征向量輸入至預(yù)設(shè)文章語義識別模型后，獲取所述預(yù)設(shè)文章語義識別模型輸出的第二特征語句；所述第二特征語句中包含所述預(yù)設(shè)文章語義識別模型根據(jù)所述非結(jié)構(gòu)化醫(yī)學(xué)知識文本的上下文關(guān)聯(lián)關(guān)系確定的預(yù)設(shè)數(shù)量的待分割位置；

調(diào)用出所述待處理醫(yī)學(xué)源文本的第一代碼文件，從所述第一代碼文件中查詢所述第二特征語句，并在第一代碼文件中與所述第二特征語句的待分割位置對應(yīng)的位置插入分割符號之后，得到第二代碼文件；

運行所述第二代碼文件，以在所述待處理醫(yī)學(xué)源文本上展示與所述非結(jié)構(gòu)化醫(yī)學(xué)知識文本對應(yīng)的結(jié)構(gòu)化醫(yī)學(xué)知識文本。

2.根據(jù)權(quán)利要求1所述的醫(yī)學(xué)文本結(jié)構(gòu)化方法，其特征在于，所述抓取待處理醫(yī)學(xué)源文本中整段的非結(jié)構(gòu)化醫(yī)學(xué)知識文本之后，還包括：

通過預(yù)設(shè)自然語言處理模型對所述非結(jié)構(gòu)化醫(yī)學(xué)知識文本進行檢測，對所述非結(jié)構(gòu)化中存在錯誤的詞語進行標記并獲取標記結(jié)果；

調(diào)用出所述待處理醫(yī)學(xué)源文本的第一代碼文件，根據(jù)所述標記結(jié)果對所述第一代碼文件中存在錯誤的詞語進行修正處理，得到第三代碼文件，并對所述第三代碼文件進行運行后，得到修正完成后的非結(jié)構(gòu)化醫(yī)學(xué)知識文本。

3.根據(jù)權(quán)利要求1所述的醫(yī)學(xué)文本結(jié)構(gòu)化方法，其特征在于，所述預(yù)設(shè)語言識別模型為bert模型；

所述將所述第一特征語句輸入至預(yù)設(shè)語言識別模型后，獲取與每一個所述第一特征語句對應(yīng)的一個語義特征向量，包括：

將所述第一特征語句輸入至所述bert模型后，通過所述bert模型查詢所述第一特征語句中各個字的字向量；

通過所述bert模型中的Attention機制選取所述第一特征語句中一個所述字向量作為Query向量，并將所述第一特征語句其他所述字向量作為Key向量；

對所述Query向量與各個所述Key向量進行相似度計算后得到權(quán)重系數(shù)，并通過所述權(quán)重系數(shù)對所述Query向量和所述Key向量對應(yīng)的Value值進行加權(quán)運算，得到所述Attention機制輸出與所述Query向量對應(yīng)的第一增強語義特征向量；

通過所述bert模型中的多個推疊Transformer Encoder對所述第一增強語義特征向量進行線性轉(zhuǎn)換，得到第二增強語義特征向量；

將與所述第一特征語句中每個字的字向量所對應(yīng)的第二增強語義特征向量進行組合后，得到與所述第一特征語句對應(yīng)的所述語義特征向量。

4.根據(jù)權(quán)利要求1所述的醫(yī)學(xué)文本結(jié)構(gòu)化方法，其特征在于，所述在第一代碼文件中與所述第二特征語句的待分割位置對應(yīng)的位置插入分割符號，得到第二代碼文件之后，還包括：

根據(jù)預(yù)設(shè)樣式格式調(diào)用出對應(yīng)的層疊樣式表，并將所述層疊樣式表嵌套至所述第二代碼文件中。

5.根據(jù)權(quán)利要求1所述的醫(yī)學(xué)文本結(jié)構(gòu)化方法，其特征在于，所述預(yù)設(shè)文章語義識別模型為LSTM模型；

所述將所有的所述語義特征向量輸入至預(yù)設(shè)文章語義識別模型之后，包括：

通過所述LSTM模型中的遺忘門限選擇丟棄信息；

通過所述LSTM模型中的輸入門限和所述丟棄信息從所述語義特征向量中選擇所需信息；

通過所述LSTM模型中的輸出門限和所述所需信息輸出所述第二特征語句。