[发明专利]临床医疗实体及其属性抽取方法

权利要求书

1.一种基于深度学习的临床医疗实体及其属性“串行联合”抽取方法，其特征在于，所述方法包括如下步骤：

(1)采用基于规则的方法对原始电子病历进行数据清洗、章节头检测、句子边界检测、Tokenization预处理；

(2)利用深度学习算法对输入语句进行表示，包括CNN-RNN句子表示、多通道句子表示和Seq2Seq句子表示；

(3)将临床医疗实体-属性识别任务看作一个序列标注问题，采用Begin Inside LastOutside Unit表示方法，即“BILOU”表示方法对包含临床医疗实体和属性的句子进行标注：首先利用Attention机制对句子中每一个词与其他词之间的相关性进行建模，然后利用NN方法和结构化预测方法完成序列标注；

(4)根据临床医疗实体和属性之间的修饰约束关系对所有可能的实体-属性对候选进行过滤；

(5)将过滤之后的关系候选通过神经网络框架对实体-属性关系候选进行表示；

(6)将临床医疗实体-属性关系抽取任务看作一个分类问题，利用NN方法对表示后的实体-属性对候选进行关系分类；

(7)在模型的训练过程中，对实体-属性识别的损失函数L_e和实体-属性关系抽取的损失函数L_r的进行线性组合：

L＝αL_e+(1-α)L_r

其中，α是一个组合系数，用于调节每部分的权重，α越大，表示实体-属性识别对模型的影响越大，反之亦然，L_e和L_r均采用交叉熵作为实体和属性识别的损失函数。

2.根据权利要求1所述的临床医疗实体及其属性“串行联合”抽取方法，其特征在于，该方法采用CNN-RNN句子表示对临床医疗句子进行编码得到融合词的局部上下文信息和句子的全局上下文信息的向量表示，该向量表示是语句的一个表征，使语句中每个词包含了所在语句的背景信息，CNN-RNN句子表示的主要步骤包括：

(1)采用常用的字词分布式表示学习算法在大量医疗领域相关的文本上训练得到词向量分布式表示；

(2)对医疗文本句子中的每一个词选取一个固定大小的上下文窗口，利用CNN对每一个词所在医疗文本句子中的局部上下文语义信息进行表示，即得到融合词的局部上下文信息的向量表示；

(3)将融合词的局部上下文语义信息表示的特征向量进一步通过双向RNN获取句子的全局上下文语义信息表示。

3.根据权利要求1所述的临床医疗实体及其属性“串行联合”抽取方法，其特征在于，该方法采用多通道句子表示对临床医疗句子进行编码捕捉输入语句更多不同的语义信息的向量表示，将输入映射到不同的通道刻画出输入语句不同的语义信息，融合多个通道的信息，使网络能够学习出更丰富的特征，多通道句子表示的主要步骤包括：

(1)将输入语句的词表示向量作为第一层双向RNN的输入，第一层双向RNN的输出作为第二层双向RNN的输入，以此类推；

(2)将每一层双向RNN输出的特征向量进行合并得到基于多通道的向量表示；

(3)引入更多特征作为模型的另外一个通道，进一步特高句子的表征能力。

4.根据权利要求1所述的临床医疗实体及其属性“串行联合”抽取方法，其特征在于，该方法采用Seq2Seq句子表示对临床医疗句子进行表示，Seq2Seq句子表示是通过深度神经网络模型将一个作为输入的序列映射为一个作为输出的序列，这一过程由编码输入与解码输出两个环节组成，主要步骤包括：

(1)编码器将一个语句的信息浓缩到一个固定维度的向量c中，为知识的学习过程；

(2)解码器根据基于语句存储信息的向量c获得句子的目标表示，为知识的应用过程。