申请/专利权人：成都中医药大学

申请日：2024-02-05

公开（公告）日：2024-04-26

公开（公告）号：CN117708338B

主分类号：G06F16/35

分类号：G06F16/35;G06F40/30;G06N3/0464;G06N3/08;G16H10/60;G06F40/289

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种中文电子病历实体识别与四诊分类的抽取方法及模型。本发明提供的方法至少包括：对中医临床电子病历数据进行分词，以获取训练数据；将训练数据输入抽取模型进行训练；将中医临床电子病历数据输入训练后的抽取模型得到电子病历的实体识别结果与四诊分类结果。抽取模型为配置有自注意力机制的循环交互网络的神经网络模型，其至少包括将电子病历数据的分词结果映射为字符嵌入特征向量和上下文卷积特征向量并将字符嵌入特征向量和上下文卷积特征向量混合生成向量矩阵的混合嵌入层。本发明将中文电子病历实体识别任务和四诊分类任务联合执行，采用字符级卷积特征提取，融合自注意力机制，有效避免中文字符精确匹配任务的误差。

主权项：1.一种中文电子病历实体识别与四诊分类抽取方法，其特征在于，所述方法至少包括：对中医临床电子病历数据进行分词，以获取训练数据；将所述训练数据输入抽取模型进行训练；将所述中医临床电子病历数据输入训练后的所述抽取模型得到所述电子病历的实体识别结果与四诊分类结果；其中，所述抽取模型为配置有自注意力机制的循环交互网络的神经网络模型，其至少包括混合嵌入层，所述混合嵌入层将电子病历数据的分词结果映射为两种不同的稠密嵌入向量，并将两种稠密嵌入向量混合生成向量矩阵；所述混合嵌入层将电子病历数据的分词结果映射为字符嵌入和字符级卷积特征嵌入；其中，所述字符级卷积特征嵌入指将每个字符的上下文特征与该字符特征一同提取后连接生成的每个字符的卷积特征表示；所述抽取模型还包括任务层，所述任务层通过循环激活网络对所述向量矩阵进行处理以获得实体识别和四诊分类的预测集合；所述任务层包括实体识别模块和四诊分类模块，所述实体识别模块用于识别和提取文本中的实体，即实体识别任务；所述四诊分类模块用于对抽取实体的关系进行分类，即四诊分类任务；所述四诊分类任务为一个二元分类问题，通过对字符对c1,cn进行分类来确定关系三元组c1,t,cn的值，其中，c1代指头实体，cn代指尾实体，t代指实体间的关系，即“望、闻、问、切”四种关系。

全文数据：

权利要求：

百度查询： 成都中医药大学 一种中文电子病历实体识别与四诊分类的抽取方法及模型

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD