[发明专利]一种基于Lattice LSTM模型的中文电子病历的实体识别方法

权利要求书

1.一种基于Lattice LSTM模型的中文电子病历的实体识别方法，其特征在于，包括以下步骤：

步骤1：对电子病历数据进行特征向量训练，获得电子病历数据的特征向量；

步骤2：基于双向Lattice LSTM编码模型，对所述特征向量进行双向特征向量编码，获得电子病历数据的输出状态序列；

步骤3：基于CRF模型的转移特征性，对所述输出状态序列进行标注概率排序，获得实体识别的结果，完成实体识别。

2.如权利要求1所述的基于Lattice LSTM模型的中文电子病历的实体识别方法，其特征在于，所述特征向量训练包括以下步骤：

步骤1.1：构建包含普通文本和医学专业词汇的词典组合；

步骤1.2：对所述电子病历数据进行预处理，获得预处理后的电子病历数据；

步骤1.3：基于BERT预训练语言模型，对所述预处理后的电子病历数据进行字向量训练，获得电子病历数据的字特征向量；

步骤1.4：根据所述词典组合与所述字词序列，进行词向量训练，获得所述电子病历数据的词特征向量；

步骤1.5：将所述字特征向量与所述词特征向量进行特征融合，获得所述电子病历数据的特征向量。

3.如权利要求2所述的基于Lattice LSTM模型的中文电子病历的实体识别方法，其特征在于，所述构建词典组合包括以下步骤：

步骤1.1.1：分别获取中文维基百科语料和医学分词词典；

步骤1.1.2：基于Word2Vec预训练语言模型，对中文维基百科语料进行jieba分词训练，获得维基百科词向量；

步骤1.1.3：对所述医学分词词典进行改善分词训练，获得医学分词词向量；

步骤1.1.4：将所述维基百科词向量与所述医学分词词向量进行词典组合，获得所述词典组合。

4.如权利要求2所述的基于Lattice LSTM模型的中文电子病历的实体识别方法，其特征在于，所述预处理包括以下步骤：

步骤1.2.1：对所述电子病历数据进行去隐私化处理，获得去除病人隐私信息的去隐私病例数据；

步骤1.2.2：对所述去隐私病例数据进行残句处理，获得处理后的电子病例数据；

步骤1.2.3：基于正则匹配方法，对所述处理后的电子病历数据进行过滤清洗，获得过滤后的电子病历数据；

步骤1.2.4：对所述过滤后的电子病历数据进行数据标注，获得预处理后的电子病历数据。

5.如权利要求4所述的基于Lattice LSTM模型的中文电子病历的实体识别方法，其特征在于，所述残句处理包括补齐隐私病例数据中的缺失语句、删除隐私病例数据中的错误语句、以及对隐私病例数据中过长的语句进行分句。

6.如权利要求2所述的基于Lattice LSTM模型的中文电子病历的实体识别方法，其特征在于，所述字向量训练包括以下步骤：

步骤1.3.1：读取将所述预处理后的电子病历数据中的字符序列；

步骤1.3.2：所述BERT预训练语言模型将所述字符序列一一进行字符映射，获得所述BERT预训练语言模型的词输入向量；

步骤1.3.3：对所述词输入向量进行特征训练，输出所述字特征向量。