[發(fā)明專利]醫(yī)學(xué)命名實(shí)體識別方法、裝置、電子設(shè)備和存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202011377535.2
• 申請日: 2020-11-30
• 公開（公告）號: CN112507716B
• 公開（公告）日: 2023-07-21
• 發(fā)明（設(shè)計(jì)）人: 李陶;鄭宇宏;徐偉建;曾啟飛;紀(jì)登林
• 申請（專利權(quán)）人: 北京百度網(wǎng)訊科技有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/216;G06F40/289;G06F40/30;G06F16/35;G06F18/2411;G06N3/0442;G06N3/0464
• 代理公司: 中科專利商標(biāo)代理有限責(zé)任公司 11021
• 代理人: 鄢功軍

1.一種醫(yī)學(xué)命名實(shí)體識別方法，包括：

將臨床病歷集中的每條臨床文本輸入命名實(shí)體識別模型，輸出每條所述臨床文本所包含的第一命名實(shí)體，其中，所述臨床病歷集中包括多條臨床文本，每條所述臨床文本具有對應(yīng)的性別信息；

從每條所述臨床文本所包含的第一命名實(shí)體中，確定專屬于目標(biāo)性別的目標(biāo)命名實(shí)體；

對所述目標(biāo)命名實(shí)體進(jìn)行切詞處理，得到第二命名實(shí)體；以及

根據(jù)所述第二命名實(shí)體，從每條所述臨床文本所包含的第一命名實(shí)體中挖掘?qū)儆谒瞿繕?biāo)性別的其他命名實(shí)體；

其中，從每條所述臨床文本所包含的第一命名實(shí)體中，確定專屬于目標(biāo)性別的目標(biāo)命名實(shí)體包括：

從所述多條臨床文本中確定具有目標(biāo)性別信息的臨床文本；

對每條具有所述目標(biāo)性別信息的臨床文本所包含的第一命名實(shí)體進(jìn)行分析，確定專屬于所述目標(biāo)性別的目標(biāo)命名實(shí)體；

其中，對每條具有所述目標(biāo)性別信息的臨床文本所包含的第一命名實(shí)體進(jìn)行分析包括：

確定所有具有所述目標(biāo)性別信息的臨床文本所包含的所有第一命名實(shí)體的總數(shù)量；

確定所述所有第一命名實(shí)體中每種第一命名實(shí)體的數(shù)量；

針對每種所述第一命名實(shí)體，在所述第一命名實(shí)體的數(shù)量與所述所有第一命名實(shí)體的總數(shù)量的比值滿足預(yù)設(shè)條件的情況下，確定所述第一命名實(shí)體為專屬于所述目標(biāo)性別的目標(biāo)命名實(shí)體。

2.根據(jù)權(quán)利要求1所述的方法，還包括：

將所述目標(biāo)命名實(shí)體和所述其他命名實(shí)體進(jìn)行拼接，得到命名實(shí)體序列；

對所述命名實(shí)體序列進(jìn)行切詞處理，得到多個命名實(shí)體訓(xùn)練詞；

生成每個所述命名實(shí)體訓(xùn)練詞的詞向量；以及

基于每個所述命名實(shí)體訓(xùn)練詞的詞向量訓(xùn)練第一初始分類模型，得到訓(xùn)練完成的第二分類模型，其中，所述第二分類模型用于輸出新輸入的命名實(shí)體是否專屬于所述目標(biāo)性別的分類結(jié)果。

3.根據(jù)權(quán)利要求2所述的方法，還包括：

計(jì)算每個所述命名實(shí)體訓(xùn)練詞在單個臨床文本中出現(xiàn)的次數(shù)；

確定所述單個臨床文本中所有命名實(shí)體訓(xùn)練詞的總數(shù)量；

將所述命名實(shí)體訓(xùn)練詞在單個臨床文本中出現(xiàn)的次數(shù)除以所述單個臨床文本中所有命名實(shí)體訓(xùn)練詞的總數(shù)量，得到所述命名實(shí)體訓(xùn)練詞的頻次占比；

將所述命名實(shí)體訓(xùn)練詞的頻次占比與所述命名實(shí)體訓(xùn)練詞的詞向量的維度相乘，得到計(jì)算數(shù)值；

在所述命名實(shí)體訓(xùn)練詞的詞向量的所述計(jì)算數(shù)值的維度上加上預(yù)設(shè)數(shù)值，得到對所述命名實(shí)體訓(xùn)練詞進(jìn)行增益后的詞向量；

其中，所述基于每個所述命名實(shí)體訓(xùn)練詞的詞向量訓(xùn)練第一初始分類模型包括：

基于每個所述對所述命名實(shí)體訓(xùn)練詞進(jìn)行增益后的詞向量訓(xùn)練所述第一初始分類模型。

4.根據(jù)權(quán)利要求1所述的方法，還包括：

根據(jù)所述目標(biāo)命名實(shí)體和所述其他命名實(shí)體生成模型訓(xùn)練集；

基于所述模型訓(xùn)練集訓(xùn)練第三初始分類模型，得到訓(xùn)練完成的第四分類模型，其中，所述第四分類模型用于輸出新輸入的命名實(shí)體是否專屬于所述目標(biāo)性別的分類結(jié)果。

5.根據(jù)權(quán)利要求1所述的方法，還包括：

根據(jù)所述目標(biāo)命名實(shí)體和所述其他命名實(shí)體，生成專屬于所述目標(biāo)性別的醫(yī)學(xué)知識圖譜。

6.根據(jù)權(quán)利要求1所述的方法，其中，所述將臨床病歷集中的每條臨床文本輸入命名實(shí)體識別模型包括：

將所述臨床病歷集中的每條臨床文本輸入雙向長短期記憶模型中，輸出所述臨床文本中每個詞的類別標(biāo)簽；

將所述臨床文本中每個詞的類別標(biāo)簽輸入條件隨機(jī)場模型中，輸出所述臨床文本中每個詞的概率；以及

根據(jù)所述臨床文本中每個詞的概率輸出每條所述臨床文本所包含的第一命名實(shí)體。