[发明专利]中文电子病历命名实体抽取方法及系统

权利要求书

1.一种中文电子病历命名实体抽取方法，其特征在于，该方法包括以下步骤：

步骤一，通过字符嵌入层将输入语句中的每个字映射为一个向量；

步骤二，采用LSTM模型输入字符序列，获得隐表示向量；将每个字作为以该字为结尾的语义单位的最后一个字，进行语义分割，得到该字对应的所有网格编码；将每个字的所有网格编码进行线性组合，得到最后的每个字符的向量，其中，线性组合中的权重由自注意力机制给出；

步骤三，采用残差递归网络即ResLSTM作为输出解码层，解码出命名实体链，其中，注意力机制模型的输出作为残差递归网络的输入；

所述ResLSTM中包含两种映射，一种是恒等映射x，表示其本身；另一种是残差映射F(x)，所述残差递归网络最后输出为H(x)＝F(x)+x，其中，所述F(x)为长短时记忆网络；

所述ResLSTM利用语境的高层语义特征进行校正分类，包括LSTM模型和softmax层，通过LSTM层提取抽象的局部语义特征，对分类概率进行校正；通过softmax层将高层的语义特征变换为预定义类别的概率；其中，

LSTM:(0，0，A_i-R，i+R)→O_i 公式(12)

公式(12)中，0表示初始状态置零；A_i-R，i+R表示第i-R到i+R个字符之间的字符语义编码；O_i表示提取的中心字符i的潜在语义特征；

softmax层：Prob＝Softmax(O+A) 公式(13)

公式(13)中，Prob即为所得的实体识别结果，O表示O_i所连接成的矩阵，O＝[O₁，O₂，…，O_n]；A表示A_i所连接成的矩阵，A＝[A₁，A₂，…，A_n]；

公式(14)表示对于Self-Lattice层的输出做的Padding处理，以其作为残差层的输入，其中，将残差层的输入序列以补0的方式前后各延长R个单位。

2.根据权利要求1所述的中文电子病历命名实体抽取方法，其特征在于，步骤二中，所述LSTM模型为：

长-短时记忆网络∶

其中，c_t和h_t分别表示第t个时间步的内在状态和输出状态；x_t表示第t个时间步输入到模型的字向量；模型输入的字符序列为C＝(c₁，c₂，...，c_n)。

3.根据权利要求2所述的中文电子病历命名实体抽取方法，其特征在于，步骤二中，计算方法如下：

网格:

其中:x_b，e:＝(x_b，x_b+1，…，x_e)

其中，w_b，e表示字符序列中第b个到第e个字符构成的连续字符串所形成的网格，b∈{1,2，…，n}，e∈{1，2，…，n}；A_b-1表示序列中第b-1个位置上字符在经过自注意力层后的输出值。

4.根据权利要求3所述的中文电子病历命名实体抽取方法，其特征在于，步骤二中，线性组合中的权重由自注意力机制给出的注意力值给出，在模型训练中，通过反向传播不断调整模型参数，得到合理权重分配；其中，

注意力机制模型由下式表示：

其中，A_e-w,e-1、x_e-w+1,e分别为注意力机制模型的状态输入量和字符向量输入，A_e为注意力机制模型的输出，表示序列中第e个位置上字符在经过自注意力层后的输出值；

然后，得到每个输入句子的编码作为深度残差网络模块层的输入；其中，A＝(A₁,A₂,…,A_n)，n为输入句子的长度，A₁,A₂,…,A_n表示第1，2，…n个字的注意力机制模型的输出。