[发明专利]基于机器学习的信息抽取方法、装置、计算机设备及介质

说明书

本发明涉及人工智能领域，公开了一种基于机器学习的信息抽取方法、装置、计算机设备及介质，所述方法包括：提取RCT文章的标题、摘要和正文，对正文进行数据预处理，得到处理后的文本信息，将标题、摘要与文本信息作为融合特征，并将融合特征与RCT文章输入到预设的BERT模型进行训练，得到粗粒度关键信息的候选集，将粗粒度关键信息的候选集作为初始候选集，根据预设的过滤条件，对初始候选集进行筛选处理，得到目标候选集，将目标候选集对应的文本信息，作为RCT文章的关键信息，本发明还涉及区块链技术，将得到的RCT文章的关键信息存储至区块链网络中，本发明提高了信息抽取的准确性。

技术领域

本发明涉及人工智能领域，尤其涉及一种基于机器学习的信息抽取方法、装置、计算机设备及介质。

背景技术

随着医学理念的发展，当前的医疗模式已从过去的经验医学向循证医学(Evidence based medicine,EBM)转变。秉持“一切临床决策均应由临床证据出发”的循证医学能为医学临床工作提供最有力的证据支持和严谨的临床科研设计指导，对临床实践与科研有重要指导意义。循证医学的主要证据载体为系统评价，其撰写要求极其严格，研究者需要针对某一明确临床问题进行系统性检索和文献筛选找出当前最佳临床证据，并对这些证据进行偏倚风险评价和结果整合。其步骤涉及系统检索、文献筛选、信息提取、偏倚风险评价和数据合成等。为了控制纳入文献本身的偏倚风险，系统评价撰写者需要寻找的当前最佳临床证据一般为研究设计最为严谨的随机对照临床试验(Randomized ControlledClinical Trial,RCT)。

RCT文献针对性较强，当前在RCT文献中,存着许多已完成的RCT实验设计方法和数据,这些RCT文章中可精炼出实验设计的重点信息为后来研究者提供便利，目前主要通过简单的关键字或者分类进行检索,来从RCT类医学文献中抽取出实验的实验标准、干预手段、及重点结果等总结性句子的系统，但这种抽取方式，得到的句子精确程度不够，抽取信息的准确性存在偏差，若要使得抽取的RCT文章重点信息对医学研究者有所帮助，就需要抽取系统的抽取结果可靠、准确，为此，寻求一种能够从RCT文章中提取高质量的重点句子信息的方法，成了一个亟待解决的难题。

发明内容

本发明实施例提供一种基于机器学习的信息抽取方法、装置、计算机设备和介质，以提高RCT文章信息抽取的准确度。

为了解决上述技术问题，本申请实施例提供一种基于机器学习的信息抽取方法，包括：

获取预设的分类标识，并基于所述分类标识，在检索数据库中进行检索，得到RCT文章；

提取所述RCT文章的标题、摘要和正文；

对所述正文进行数据预处理，得到处理后的文本信息，其中，所述文本信息包括文本短句和所述文本短句对应的位置；

将所述标题、所述摘要与所述文本信息作为融合特征，并将所述融合特征与所述RCT文章输入到预设的BERT模型进行训练，得到粗粒度关键信息的候选集，将所述粗粒度关键信息的候选集作为初始候选集；

根据预设的过滤条件，对所述初始候选集进行筛选处理，得到目标候选集，将所述目标候选集对应的文本信息，作为所述RCT文章的关键信息。

可选地，所述将所述标题、所述摘要与所述文本信息作为融合特征包括：

对所述标题进行分词处理，得到目标分词；

对所述摘要进行短句提取，得到摘要短句；

分别对所述目标分词、所述摘要短句和所述文本信息，按照来源类型进行标记，将标记后的目标分词，标记后的的摘要短句和标记后的文本信息作为输入BERT模型的融合特征。