[發明專利]融合實體關鍵字特征的醫療領域實體分類方法

在審

• 申請號: 202011482958.0
• 申請日: 2020-12-16
• 公開（公告）號: CN112507717A
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 呂學強;游新冬;董志安
• 申請（專利權）人: 北京信息科技大學
• 主分類號: G06F40/295
• 分類號: G06F40/295;G16H15/00;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種融合實體關鍵字特征的醫療領域實體分類方法，其特征在于，包括：

文本向量化操作；

特征提取；

序列標注。

2.根據權利要求1所述的方法，其特征在于，所述文本向量化操作包括：經過BERT預訓練語言模型將標注數據以及關鍵字特征轉化為字向量。

3.根據權利要求2所述的方法，其特征在于，在所述文本向量化操作之前，所述方法還包括：采用TF-IDF輔助構建關鍵字。

4.根據權利要求3所述的方法，其特征在于，所述采用TF-IDF輔助構建關鍵字，包括：

構建停用詞表；

計算詞頻；

計算逆文檔頻率；

計算TF-IDF值；

將得到的TF-IDF值按降序排列，提取出關鍵詞；

從關鍵詞中篩選出關鍵字。

5.根據權利要求1所述的方法，其特征在于，所述特征提取包括：將所述字向量輸入BILSTM中進行處理，再將處理結果經過CNN層進一步處理，得到提取的特征，。

6.根據權利要求1所述的方法，其特征在于，所述序列標注包括：將CNN層輸出的結果輸入到CRF層進行標注，得到標注序列。

7.根據權利要求1所述的方法，其特征在于，所述文本向量化操作，包括：

通過BERT預訓練模型對輸入的醫療領域實驗數據進行嵌入操作，將輸入的字符轉化為向量；

句子嵌入；

定義位置信息進行位置嵌入，標記該字符在輸入數據中所處的位置；

將嵌入生成的結果組合起來，得到BERT模型生成的向量。

8.根據權利要求1所述的方法，其特征在于，所述序列標注，包括：通過CRF模型使用動態規劃算法、維特比算法得到最優標記序列，根據最優標記序列進行標注。