[发明专利]基于黎曼空间的词嵌入方法和装置、介质及设备

说明书

本公开提供了一种基于黎曼空间的词嵌入方法与装置、计算机可读介质及电子设备，涉及自然语言处理技术领域。该方法包括：确定对关于医疗文本所构成的黎曼空间的曲率修正因子；获取医疗文本实体，并将曲率修正因子的属性值作为医疗文本实体的标签；将包含标签的医疗文本实体输入至训练后的词嵌入模型，以通过词嵌入模型中带有调整参数的神经网络得到医疗文本实体对应的关注度；基于关注度确定目标医疗实体，并通过词嵌入模型实现目标医疗文本实体的词嵌入。本技术方案通过弯曲空间的形式使得词嵌入结果与真实世界数据更加符合，增强了词嵌入结果的表现范围。同时，避免了基于欧氏空间来实现词嵌入带来的误差。

技术领域

本公开涉及自然语言处理技术领域，具体而言，涉及一种基于黎曼空间的词嵌入方法和装置、计算机可读介质和电子设备。

背景技术

随着医疗信息化建设的普及，临床电子病历成为关注的焦点，激起了人们对于医疗信息检索和信息提取的浓厚兴趣。信息检索和提取可以极大的帮助人们处理那些浩瀚庞大的电子病历数据，而它们的应用依赖于术语标识(Term Identification)，以通过计算机访问存储在电子病历中的信息。此处的术语(Term)是用于临床知识交流的手段，因为他们可以用于标识该领域的概念。例如：手术名字、诊断名字、药品名称、检验名称、实验名称和剖解部位的名字等等。从而，准确的标识临床交流中术语(Term)，才有利于计算机准确理解相关的临床电子病历。一般采用词嵌入技术标识临床交流中术语。

词嵌入(Word Embedding)，也称词的分布式表示(Distributed wordrepresentations)，是一种稠密的低维度的词表示，每一个维度表示词的潜在特征，维度的值为浮点数。相关技术提供的词嵌入处理方法中，将这种表示方法把庞大的词表映射到一个低维欧氏空间，通过不同概念在欧氏空间的向量顶点的距离抽象表示概念的关系。

然而，相关技术提供的词嵌入处理方法存在较高的误差。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开实施例的目的在于提供一种基于黎曼空间的词嵌入方法、基于黎曼空间的词嵌入装置、计算机可读介质及电子设备，进而至少在一定程度上提升了词嵌入处理的准确度。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的第一方面，提供了一种基于黎曼空间的词嵌入方法，包括：

确定对关于医疗文本所构成的黎曼空间的曲率修正因子；获取医疗文本实体，并将上述曲率修正因子的属性值作为上述医疗文本实体的标签；将包含上述标签的医疗文本实体输入至训练后的词嵌入模型，以通过上述词嵌入模型中带有调整参数的神经网络得到上述医疗文本实体对应的关注度；基于上述关注度确定目标医疗实体，并通过上述词嵌入模型实现上述目标医疗文本实体的词嵌入。

在本公开的一种实施例中，基于前述方案，上述曲率修正因子至少包括以下信息中的一种：医生生物钟、医生对病历的处理速度、疾病流行程度和疾病的类型。

在本公开的一种实施例中，基于前述方案，上述获取医疗文本实体，包括：根据电子病历中的结构化文本、半结构化文本和/或自由文本确定医疗文本实体。

在本公开的一种实施例中，基于前述方案，上述通过上述词嵌入模型中带有调整参数的神经网络得到上述医疗文本实体对应的关注度，包括：上述带有调整参数的神经网络根据上述医疗文本实体的标签确定上述医疗文本实体对应的关注度；

其中，上述调整参数用于表征上述曲率修正因子对于上述黎曼空间曲率的影响程度。