[发明专利]文本数据处理方法、装置、电子设备及计算机可读介质

权利要求书

1.一种医学文本数据处理方法，其特征在于，包括：

通过字符串匹配法、理解分词法或统计分词法中的一种或几种将医学文本中的文字进行分词处理，生成词向量，其中，所述词向量为数值向量；

将所述医学文本中的文字的词性通过词性向量标注；

将所述词向量和所述词性向量输入双向深度学习模型中，以获取第一结果；以及

将所述第一结果与规则模板输入深度学习模型中，以提取所述医学文本中的实体词；

其中，将所述词向量和所述词性向量输入双向深度学习模型中，以获取第一结果包括：

将所述词向量和所述词性向量进行拼接及标准化处理，生成第一输入向量；以及

将所述第一输入向量输入到双向深度学习模型中，以获取第一结果；

所述将所述第一结果与规则模板输入深度学习模型中，以提取所述医学文本中的实体词包括：

所述第一结果与规则模板进行拼接，生成第二输入向量；

将第二输入向量输入深度学习模型中的全连接层中；以及

将全连接层的输出结果输入至条件随机场或贝叶斯模型中以提取所述医学文本中的实体词。

2.如权利要求1所述的方法，其特征在于，还包括：

基于临床电子病历通过数据挖掘方式确定规则模板。

3.如权利要求2所述的方法，其特征在于，基于临床电子病历通过数据挖掘方式确定规则模板包括：

通过临床电子病历通过频繁项挖掘生成第一模板；

将所述第一模板进行去重处理；以及

计算去重处理后的第一模板的先验分布，以根据所述先验分布确定规则模板。

4.如权利要求1所述的方法，其特征在于，将医学文本中的文字进行分词处理，生成词向量包括：

医学文本中的文字进行分词处理，生成多个分词词汇；以及

将每个分词词汇用Word2vec向量进行表示，生成词向量。

5.如权利要求1所述的方法，其特征在于，将全连接层的输出结果输入至条件随机场中以提取所述医学文本中的实体词包括：

将全连接层的输出结果输入至条件随机场中确定词汇概率；以及

根据所述词汇概率提取所述医学文本中的实体词。

6.一种医学文本数据处理装置，其特征在于，包括：

分词模块，用于通过字符串匹配法、理解分词法或统计分词法中的一种或几种将医学文本中的文字进行分词处理，生成词向量，其中，所述词向量为数值向量；

标注模块，用于将所述医学文本中的文字的词性通过词性向量标注；

双向深度学习模块，用于将所述词向量和所述词性向量输入双向深度学习模型中，以获取第一结果；以及

深度学习模块，用于将所述第一结果与规则模板输入深度学习模型中，以提取所述医学文本中的实体词；

其中，将所述词向量和所述词性向量输入双向深度学习模型中，以获取第一结果包括：

将所述词向量和所述词性向量进行拼接及标准化处理，生成第一输入向量；以及

将所述第一输入向量输入到双向深度学习模型中，以获取第一结果；

所述将所述第一结果与规则模板输入深度学习模型中，以提取所述医学文本中的实体词包括：

所述第一结果与规则模板进行拼接，生成第二输入向量；

将第二输入向量输入深度学习模型中的全连接层中；以及

将全连接层的输出结果输入至条件随机场或贝叶斯模型中以提取所述医学文本中的实体词。

7.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

8.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。