[發明專利]一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統

在審

• 申請號: 202111279393.0
• 申請日: 2021-10-29
• 公開（公告）號: CN113962227A
• 公開（公告）日: 2022-01-21
• 發明（設計）人: 林麗開;李剛;丁海雁
• 申請（專利權）人: 南京醫路云數字科技研究院有限公司
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06N3/04;G06F16/35
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：包括LSTM-CRF網絡模型，所述LSTM-CRF網絡模型包括輸入層、特征提取層、LSTM層和CRF層；所述輸入層用于獲取中醫臨床醫案癥狀的文本信息；所述特征提取層用于對輸入的文本信息的每一個字進行特征提取，并制定特征模板；所述LSTM層用于自動提取文字的特征；所述CRF層用于文字級別的序列標注，生成最優標注序列。

2.根據權利要求1所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：所述特征提取層提取的文字特征包括文字的字符特征、字性特征、偏旁部首特征以及字意特征，對輸入文字信息的每一個字進行標注，生成單個字的輸出特征，所有字的輸出特征組成特征序列。

3.根據權利要求2所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：所述特征提取層中，是依據中醫臨床醫案癥狀類別標簽和BMEWO標記法對輸入的每一個字進行標注。

4.根據權利要求1所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：所述特征提取層包括兩個LSTM深度網絡，且兩個LSTM深度網絡拼接成雙向LSTM深度網絡。

5.根據權利要求4所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：所述雙向LSTM深度網絡包括輸入門、忘記門和輸出門，其中：

輸入門，根據網絡需要制定有用的信息輸入，阻斷無用的信息輸入；

忘記門，選擇有價值的信息保存在網絡中；

輸出門，控制序列輸出對當前標注有用的信息，防止對當前標注無用的信息輸出。

6.根據權利要求1所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：所述序列標注包括如下步驟：

步驟一：對文字信息預處理進行詞向量表征，將每一個字分解成若干個偏旁部首；

步驟二：將分解后的文字信息轉換為字向量表示；

步驟三：采用雙向LSTM深度網絡對分解后的中醫臨床醫案癥狀文字信息進行編碼訓練，提取每個字的特征，利用CRF對每個字進行標記。

7.根據權利要求6所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：利用預設的One Hot或非線性PCA編碼方式將分解后的每一個字轉化為與之相對應的字向量。

8.根據權利要求7所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：所述序列標注還包括：

步驟四：將標記分成可識別不同識別語料的不同標記，并劃分為不同的訓練集和測試集；

步驟五：將得到的訓練集輸入到LSTM-CRF模型中進行訓練，得到具有中醫臨床醫案癥狀命名實體的訓練模型；

步驟六：利用步驟五中的訓練模型去訓練步驟四中的測試集，進行命名實體抽取識別，得到抽取識別結果。

9.根據權利要求8所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：所述序列標注還包括：

步驟七：分別計算抽取識別結果在訓練集和測試集上的精確率、召回率和F1值，并將精確率、召回率和F1值進行對比。

10.根據權利要求9所述的一種基于LSTM-CRF的中醫臨床醫案癥狀命名實體抽取系統，其特征在于：訓練集和測試集的比例為20∶1。