[发明专利]基于深度学习模型的实体识别方法、装置、设备及介质

权利要求书

1.一种基于深度学习模型的实体识别方法，其特征在于，包括：

获取待识别医学文本；

将所述待识别医学文本输入预设实体识别模型，所述预设实体识别模型为根据训练集和所述训练集的召回结果进行训练获得的实体识别模型，所述训练集为将各医学文本中以不同方式提及的疾病实体标注出的医学文本训练集，所述训练集的召回结果为根据所述各医学文本中所有疾病实体对所述各医学文本进行召回处理的处理结果；

获取所述预设实体识别模型输出的实体识别结果；

将所述实体识别结果作为所述待识别医学文本中提及的疾病实体，并将所述疾病实体输出。

2.如权利要求1所述的基于深度学习模型的实体识别方法，其特征在于，所述预设实体识别模型通过如下方式获取：

根据已有的医学文本确定所述预设实体识别模型的训练集和测试集；

利用搜索服务器搜索所述训练集中的各医学文本对应的多个候选疾病实体，所述候选疾病实体为名称的分词出现在所述医学文本中的疾病实体；

根据所述训练集中的各医学文本对所述对应的多个候选疾病实体进行标注，以获得所述训练集的召回结果；

根据所述训练集和所述训练集的召回结果训练获得二分类模型；

根据所述测试集和所述二分类模型确定所述预设实体识别模型。

3.如权利要求2所述的基于深度学习模型的实体识别方法，其特征在于，所述根据所述训练集中的各医学文本对所述对应的多个候选疾病实体进行标注，以获得所述训练集的召回结果，包括：

确定所述候选疾病实体是否为所述各医学文本中提及的疾病实体；

若所述候选疾病实体为所述各医学文本中提及的疾病实体，则将所述候选疾病实体标注为正例；

若所述候选疾病实体不为所述各医学文本中提及的疾病实体，则将所述候选疾病实体标注为负例；

获取各所述候选疾病实体对应的标注结果，并将所述各医学文本的候选疾病实体和各所述候选疾病实体对应的标注结果作为所述训练集的召回结果。

4.如权利要求2所述的基于深度学习模型的实体识别方法，其特征在于，所述利用搜索服务器搜索所述训练集中的各医学文本对应的多个候选疾病实体，包括：

a.获取医学上已有的疾病实体的名称；

b.对各所述疾病实体的名称进行分词处理，获得各所述疾病实体的多个分词；

c.利用所述搜索服务器确定所述训练集中各医学文本是否包含所述疾病实体的分词；

d.若所述医学文本中包含任一所述疾病实体的分词，则将所述疾病实体作为所述医学文本的候选疾病实体；

e.重复步骤c-d，直至确定出所述医学文本预设数量的候选疾病实体；

f.重复步骤c-e，直至获得所述训练集中所有医学文本的候选疾病实体。

5.如权利要求2所述的基于深度学习模型的实体识别方法，其特征在于，所述根据所述训练集和所述训练集的召回结果训练获得二分类模型，包括：

将所述训练集中的医疗文本与所述对应的多个候选疾病实体以两两配对的形式输入预训练模型；

根据所述训练集的召回结果对所述预训练模型进行训练，获得所述二分类模型。

6.如权利要求2-5任一项所述的基于深度学习模型的实体识别方法，其特征在于，所述根据所述测试集和所述二分类模型确定所述预设实体识别模型，包括：

采用所述二分类模型对所述测试集进行预测，以获得疾病实体预测结果；

获得所述疾病实体预测结果的人工审核结果；

将所述疾病实体预测结果和对应的人工审核结果更新所述训练集；

根据更新的训练集对所述二分类识别模型进行重复训练以获得所述预设实体识别模型。