[发明专利]医疗术语向量表示方法、装置、存储介质及电子设备

说明书

本公开的实施例提供了一种医疗术语向量表示方法、装置、存储介质及电子设备。该方法包括：从病历数据中提取多个医疗术语；确定每一医疗术语与其他医疗术语之间的关系，并根据每一医疗术语与其他医疗术语之间的关系生成网络拓扑图；根据图卷积模型和所述网络拓扑图，确定每一所述医疗术语的向量。不需要人工标注文本，充分利用医疗术语之间的关系以及图卷积模型对医疗术语进行向量表示，便捷的实现对医疗术语的多维、全面的向量表示，提升医疗术语向量表示的准确性。

技术领域

本公开涉及计算机技术以及信息处理技术领域，具体而言，涉及一种医疗术语向量表示方法、装置、存储介质及电子设备。

背景技术

知识向量表示方法又称知识嵌入embedding表示方法，可以将真实世界中的知识信息，通过一定算法，表示成一维向量的方法。在自然语言处理、图像处理等技术领域，知识嵌入表示一类重要的学习技术，可以将无结构化的、半结构化的知识表示成维度对齐的向量，可以作为后续机器学习任务的输入，参与模型训练。

目前，在医疗领域，各种基于病历文本的人工智能模型，都是以医疗数据的embedding向量表示作为模型的输入，因而如何生成医疗数据的向量表示一个热点问题。相关技术中的生成数据的向量的表示方法存在着生成的向量不准确的问题。

因此，需要一种新的医疗术语向量表示的方法、装置、存储介质及电子设备，便捷的实现对医疗术语的多维、全面的向量表示，提升医疗术语向量表示的准确性。

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

本公开实施例提供一种医疗术语向量表示的方法、装置、存储介质及电子设备，便捷的实现对医疗术语的多维、全面的向量表示，提升医疗术语向量表示的准确性。

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一个方面，提供了一种医疗术语向量表示方法，其中，所述方法包括：从病历数据中提取多个医疗术语；确定每一医疗术语与其他医疗术语之间的关系，并根据每一医疗术语与其他医疗术语之间的关系生成网络拓扑图；根据图卷积模型和所述网络拓扑图，确定每一所述医疗术语的向量。

在本公开的一些示例性实施例中，基于前述方案，确定每一医疗术语与其他医疗术语之间的关系，包括：基于每一医疗术语与其他医疗术语的优势比确定每一医疗术语与其他医疗术语之间的关系。

在本公开的一些示例性实施例中，基于前述方案，基于每一医疗术语与其他医疗术语的优势比确定每一医疗术语与其他医疗术语之间的关系，包括：基于所述病历数据中每一医疗术语与任一其他医疗术语同时出现以及单独出现的频率确定每一医疗术语与任一医疗术语的优势比，以基于每一医疗术语与其他医疗术语的优势比确定每一医疗术语与其他医疗术语之间的关系。

在本公开的一些示例性实施例中，基于前述方案，根据每一医疗术语与其他医疗术语之间的关系生成网络拓扑图，包括：确定每一医疗术语与其他医疗术语的关系占所述每一医疗术语的所有关系的权重；提取出权重超过阈值的每一医疗术语与其他医疗术语的关系；基于所述提取出的权重超过阈值的每一医疗术语与其他医疗术语的关系生成网络拓扑图。

在本公开的一些示例性实施例中，基于前述方案，从病历数据中提取多个医疗术语，包括：从病历数据获取多个记录表；基于记录表的目标字段与医疗术语的类别的对应关系，从每个记录表的目标字段中提取对应的类别的医疗术语，以获取多个医疗术语。

在本公开的一些示例性实施例中，基于前述方案，根据图卷积模型和所述网络拓扑图，确定每一所述医疗术语的向量，包括：基于所述图卷积模型在所述网络拓扑图中提取每一医疗术语的相关医疗术语，生成每一医疗术语的向量。