[發明專利]一種問診信息的實體抽取方法、裝置、設備及存儲介質

在審

• 申請號: 202011149059.9
• 申請日: 2020-10-23
• 公開（公告）號: CN112287680A
• 公開（公告）日: 2021-01-29
• 發明（設計）人: 方成;孟海忠;饒官軍;許紅偉;吳邊;任宇翔;馮輝;柴鵬飛
• 申請（專利權）人: 微醫云（杭州）控股有限公司
• 主分類號: G06F40/289
• 分類號: G06F40/289;G06N3/04;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種問診信息的實體抽取方法，其特征在于，包括：

獲取問診信息，將所述問診信息輸入至預先訓練的實體抽取模型，獲得所述實體提取模型輸出的候選實體詞；

將所述候選實體詞與醫學知識庫中的基準實體詞進行匹配，將匹配失敗的所述候選實體詞作為待對齊實體詞；

根據預先訓練的實體對齊模型得到所述待對齊實體詞的待對齊實體特征，基于所述待對齊實體特征從醫學知識庫中選取與所述待對齊實體詞的相似的基準實體詞作為目標實體詞。

2.根據權利要求1所述的方法，其特征在于，所述將所述候選實體詞與醫學知識庫中的基準實體詞進行匹配，包括：

獲取所述候選實體詞關聯的候選實體類型，獲取所述醫學知識庫中與所述候選實體類型對應的類型實體詞；

將所述候選實體詞與所述類型實體詞進行匹配。

3.根據權利要求1所述的方法，其特征在于，在將所述問診信息輸入至預先訓練的實體抽取模型之前，還包括：

獲取樣本問診語料，基于分詞方法以及醫學知識庫得到所述樣本問診語料中的樣本實體詞及所述樣本實體詞關聯的實體信息；

對所述樣本實體詞進行増廣，得到増廣實體詞；

基于所述樣本實體詞、所述増廣實體詞和所述樣本實體詞關聯的實體信息生成抽取訓練樣本，基于所述抽取訓練樣本對預先構建的實體抽取模型進行訓練，得到訓練后的實體抽取模型。

4.根據權利要求3所述的方法，其特征在于，所述對所述樣本實體詞進行増廣，包括：

通過同義詞庫替換、字音字形替換、刪減增加字中的至少一種増廣方式對所述樣本實體詞進行増廣。

5.根據權利要求1所述的方法，其特征在于，所述基于所述待對齊實體特征從醫學知識庫中選取與所述待對齊實體詞的相似的基準實體詞作為目標實體詞，包括：

計算所述待對齊實體特征與所述醫學知識庫中基準實體詞的基準實體特征之間的相似度，將與所述待對齊實體特征之間的相似度小于設定閾值的基準實體特征關聯的基準實體詞作為所述目標實體詞。

6.根據權利要求1所述的方法，其特征在于，在根據預先訓練的實體對齊模型得到所述待對齊實體詞的待對齊實體特征之前，還包括：

獲取醫學知識庫中的基準實體詞，對所述基準實體詞進行増廣，得到所述基準實體詞關聯的對齊實體詞；

隨機生成所述基準實體詞關聯的無關實體詞；

基于所述基準實體詞、所述對齊實體詞以及所述無關實體詞生成對齊訓練樣本，基于所述對齊訓練樣本對預先構建的實體對齊模型進行訓練，得到訓練后的實體對齊模型。

7.根據權利要求6所述的方法，其特征在于，還包括：

將所述基準實體詞輸入至訓練后的實體對齊模型中，獲得所述實體模型輸出的基準實體特征。

8.一種問診信息的實體抽取裝置，其特征在于，包括：

候選實體提取模塊，用于獲取問診信息，將所述問診信息輸入至預先訓練的實體抽取模型，獲得所述實體提取模型輸出的候選實體詞；

待對齊實體詞模塊，用于將所述候選實體詞與醫學知識庫中的基準實體詞進行匹配，將匹配失敗的所述候選實體詞作為待對齊實體詞；

目標實體詞模塊，用于根據預先訓練的實體對齊模型得到所述待對齊實體詞的待對齊實體特征，基于所述待對齊實體特征從醫學知識庫中選取與所述待對齊實體詞的相似的基準實體詞作為目標實體詞。

9.一種計算機設備，其特征在于，所述設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的問診信息的實體抽取方法。

10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的問診信息的實體抽取方法。