[發(fā)明專利]醫(yī)學(xué)實(shí)體的分類提取方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 202110905944.3
• 申請(qǐng)日: 2021-08-09
• 公開（公告）號(hào): CN113343703B
• 公開（公告）日: 2021-10-29
• 發(fā)明（設(shè)計(jì)）人: 史鵬濤;劉嬌;張奇
• 申請(qǐng)（專利權(quán)）人: 北京惠每云科技有限公司
• 主分類號(hào): G06F40/295
• 分類號(hào): G06F40/295;G06F40/242;G16H10/60
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 畢翔宇

1.一種醫(yī)學(xué)實(shí)體的分類提取方法，其特征在于，所述分類提取方法包括：

獲取醫(yī)療數(shù)據(jù)中的待識(shí)別文本；

確定所述待識(shí)別文本的實(shí)體特征，所述實(shí)體特征包括單字向量、雙字位置、雙字頻率、切詞特征和小粒度特征；其中，所述單字向量指的是所述待識(shí)別文本中的每個(gè)單字在預(yù)先構(gòu)建好的字向量詞典中所對(duì)應(yīng)的向量；所述雙字位置指的是所述待識(shí)別文本中的每個(gè)雙字在預(yù)先構(gòu)建好的雙字醫(yī)學(xué)字典中的位置標(biāo)記；所述雙字頻率指的是所述待識(shí)別文本中的每個(gè)雙字在醫(yī)療數(shù)據(jù)中出現(xiàn)的次數(shù)；所述切詞特征指的是通過切詞工具對(duì)所述待識(shí)別文本進(jìn)行切詞處理后記錄得到的切詞位置在待識(shí)別文本中的位置標(biāo)記；所述小粒度特征指的是所述待識(shí)別文本中的小粒度詞經(jīng)過拆分后得到的小粒度單字及其對(duì)應(yīng)標(biāo)簽在預(yù)先構(gòu)建好的小粒度單字標(biāo)簽詞典中的位置標(biāo)記；其中，所述小粒度單字標(biāo)簽詞典是基于小粒度詞典得到的；

將確定出的實(shí)體特征輸入至預(yù)先訓(xùn)練好的分類提取模型中，得到所述待識(shí)別文本中的醫(yī)學(xué)實(shí)體對(duì)應(yīng)的至少一個(gè)標(biāo)簽，以從所述待識(shí)別文本中提取出所述至少一個(gè)標(biāo)簽對(duì)應(yīng)的醫(yī)學(xué)實(shí)體；其中，所述分類提取模型是通過文本樣本的標(biāo)注數(shù)據(jù)、偽標(biāo)簽數(shù)據(jù)、小粒度詞典和字向量詞典訓(xùn)練得到的，所述偽標(biāo)簽數(shù)據(jù)、所述小粒度詞典和所述字向量詞典是通過將文本樣本輸入至預(yù)先訓(xùn)練好的特征提取模型而確定出的，所述特征提取模型是通過所述文本樣本的標(biāo)注數(shù)據(jù)訓(xùn)練得到的。

2.根據(jù)權(quán)利要求1所述的分類提取方法，其特征在于，通過以下步驟訓(xùn)練所述特征提取模型：

從醫(yī)療數(shù)據(jù)中確定未標(biāo)注的文本樣本和所述文本樣本的標(biāo)注數(shù)據(jù)；

將所述未標(biāo)注的文本樣本輸入至預(yù)先構(gòu)建好的特征提取模型中，輸出多組實(shí)體位置，其中，每組實(shí)體位置依次包括一個(gè)實(shí)體開始位置和一個(gè)實(shí)體結(jié)束位置；

將輸出的實(shí)體開始位置和實(shí)體結(jié)束位置之間的字符組成一個(gè)醫(yī)學(xué)實(shí)體；

將得到的每個(gè)醫(yī)學(xué)實(shí)體與所述文本樣本的標(biāo)注數(shù)據(jù)中對(duì)應(yīng)標(biāo)注的醫(yī)學(xué)實(shí)體進(jìn)行比對(duì)，在比對(duì)結(jié)果均一致的情況下，得到訓(xùn)練好的特征提取模型。

3.根據(jù)權(quán)利要求1所述的分類提取方法，其特征在于，所述偽標(biāo)簽數(shù)據(jù)、所述小粒度詞典和所述字向量詞典是通過將文本樣本輸入至預(yù)先訓(xùn)練好的特征提取模型而確定出的步驟，包括：

將所述文本樣本輸入至預(yù)先訓(xùn)練好的特征提取模型中，輸出多組實(shí)體位置，其中，每組實(shí)體位置依次包括一個(gè)實(shí)體開始位置和一個(gè)實(shí)體結(jié)束位置，將所述實(shí)體開始位置和所述實(shí)體結(jié)束位置之間的字符組成一個(gè)醫(yī)學(xué)實(shí)體；

基于預(yù)先標(biāo)注好的字符與標(biāo)簽之間的映射關(guān)系，確定所述醫(yī)學(xué)實(shí)體對(duì)應(yīng)的偽標(biāo)簽數(shù)據(jù)；

將所述醫(yī)學(xué)實(shí)體經(jīng)過校正得出小粒度詞以及該小粒度詞對(duì)應(yīng)的標(biāo)簽，確定得到的小粒度詞以及其對(duì)應(yīng)的標(biāo)簽組成小粒度詞典；

將預(yù)先構(gòu)建好的單字醫(yī)學(xué)字典輸入至預(yù)先訓(xùn)練好的特征提取模型中，獲取多個(gè)單字對(duì)應(yīng)的高維單字向量，并對(duì)高維單字向量進(jìn)行降維，得到由單字以及與每個(gè)單字對(duì)應(yīng)的低維單字向量組成的字向量詞典。

4.根據(jù)權(quán)利要求1所述的分類提取方法，其特征在于，通過以下步驟訓(xùn)練所述分類提取模型：

根據(jù)所述文本樣本的標(biāo)注數(shù)據(jù)確定第一實(shí)體特征，以及根據(jù)所述偽標(biāo)簽數(shù)據(jù)確定第二實(shí)體特征，其中，所述第一實(shí)體特征和所述第二實(shí)體特征中均包括的小粒度特征要結(jié)合所述小粒度詞典確定得出，所述第一實(shí)體特征和所述第二實(shí)體特征中均包括的單字向量要結(jié)合所述字向量詞典確定得出；

將所述第一實(shí)體特征和所述第二實(shí)體特征分別輸入至預(yù)先構(gòu)建好的分類提取模型中，分別得到所述文本樣本中的醫(yī)學(xué)實(shí)體對(duì)應(yīng)的多個(gè)第一標(biāo)簽和多個(gè)第二標(biāo)簽；

針對(duì)所述多個(gè)第一標(biāo)簽，將所述多個(gè)第一標(biāo)簽中的每個(gè)第一標(biāo)簽與所述文本樣本的標(biāo)注數(shù)據(jù)中對(duì)應(yīng)的標(biāo)簽進(jìn)行比對(duì)，若比對(duì)結(jié)果不一致，則調(diào)節(jié)所述分類提取模型的模型參數(shù)，直至更新后的多個(gè)第一標(biāo)簽中的每個(gè)第一標(biāo)簽均與所述文本樣本的標(biāo)注數(shù)據(jù)中對(duì)應(yīng)的標(biāo)簽進(jìn)行比對(duì)的比對(duì)結(jié)果一致；

針對(duì)所述多個(gè)第二標(biāo)簽，將所述多個(gè)第二標(biāo)簽中的每個(gè)第二標(biāo)簽與所述文本樣本的偽標(biāo)簽數(shù)據(jù)中對(duì)應(yīng)的標(biāo)簽進(jìn)行比對(duì)，若比對(duì)結(jié)果不一致，則調(diào)節(jié)所述分類提取模型的模型參數(shù)，直至更新后的多個(gè)第二標(biāo)簽中的每個(gè)第二標(biāo)簽均與所述文本樣本的偽標(biāo)簽數(shù)據(jù)中對(duì)應(yīng)的標(biāo)簽進(jìn)行比對(duì)的比對(duì)結(jié)果一致；

在對(duì)所述多個(gè)第一標(biāo)簽和所述多個(gè)第二標(biāo)簽訓(xùn)練完后，確定對(duì)所述分類提取模型訓(xùn)練完成。