[發(fā)明專利]基于字詞讀音融合特征模型的電子病歷命名實(shí)體識(shí)別方法在審
| 申請?zhí)枺?/td> | 202110531278.1 | 申請日： | 2021-05-12 |
| 公開（公告）號： | CN113139385A | 公開（公告）日： | 2021-07-20 |
| 發(fā)明（設(shè)計(jì)）人： | 史晟輝;趙鑫 | 申請（專利權(quán)）人： | 北京化工大學(xué) |
| 主分類號： | G06F40/295 | 分類號： | G06F40/295;G16H10/60;G06N3/04 |
| 代理公司： | 鄭州裕晟知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 41142 | 代理人： | 徐志威 |
| 地址： | 100029 *** | 國省代碼： | 北京;11 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關(guān)鍵詞： | 基于 字詞 讀音 融合 特征 模型 電子 病歷 命名 實(shí)體 識(shí)別 方法 | ||
1.基于字詞讀音融合特征模型的電子病歷命名實(shí)體識(shí)別方法，其特征在于，包括以下步驟：
生成待識(shí)別命名實(shí)體的電子病歷的字符序列對應(yīng)的字符的字詞向量的集合；
生成所述字符序列對應(yīng)的讀音向量；
將所述讀音向量輸入到第一神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，得到所述字符序列對應(yīng)的讀音加強(qiáng)字詞向量；
將讀音加強(qiáng)字詞向量經(jīng)過詞頻權(quán)重和讀音權(quán)重處理融合生成字詞讀音特征模型；
將所述字詞讀音特征模型輸入到第二神經(jīng)網(wǎng)絡(luò)中進(jìn)行處理，得到所述電子病歷的命名實(shí)體識(shí)別結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于字詞讀音融合特征模型的電子病歷命名實(shí)體識(shí)別方法，其特征在于：所述字詞向量的集合為BMES集合，通過Soft-lexicon構(gòu)造模型生成，生成“B”、“M”、“E”、“S”四個(gè)詞集，并且BMES集合中的字詞向量表示如下：
e(B，M，E，S)＝[v(B)+v(M)+v(E)+v(S)]
其中：“B”集合保存當(dāng)前字為詞首字的單詞列表；“M”集合保存當(dāng)前字為詞中間字的單詞列表，“E”集合保存當(dāng)前字為詞尾字的單詞列表，“S”集合保存當(dāng)前字為單獨(dú)字成詞的單詞列表。
3.根據(jù)權(quán)利要求1所述的基于字詞讀音融合特征模型的電子病歷命名實(shí)體識(shí)別方法，其特征在于：所述讀音向量通過壓縮的字母表法生成。
4.根據(jù)權(quán)利要求1所述的基于字詞讀音融合特征模型的電子病歷命名實(shí)體識(shí)別方法，其特征在于：所述第一神經(jīng)網(wǎng)絡(luò)包括字符特征層、特征抽取層、標(biāo)簽解碼層。
5.根據(jù)權(quán)利要求1所述的基于字詞讀音融合特征模型的電子病歷命名實(shí)體識(shí)別方法，其特征在于：所述讀音加強(qiáng)字詞向量的表示向量如下：
xc←[xc；e(B*，M*，E*，S*)]
其中：*表示字詞向量經(jīng)過讀音向量加強(qiáng)表示。
6.根據(jù)權(quán)利要求1所述的基于字詞讀音融合特征模型的電子病歷命名實(shí)體識(shí)別方法，其特征在于：所述第二神經(jīng)網(wǎng)絡(luò)為卷積網(wǎng)絡(luò)，并由一層一維卷積核加上兩層三維卷積核共三層組成。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京化工大學(xué)，未經(jīng)北京化工大學(xué)許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202110531278.1/1.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
