[发明专利]命名实体归一化处理方法、装置、电子设备及存储介质

说明书

本申请提供一种命名实体归一化处理方法、装置、电子设备及存储介质，其中，命名实体归一化处理方法，包括：从文本数据中识别得到命名实体；按照预设的文本匹配规则，从标准命名实体数据库中查找与所述命名实体或扩展命名实体匹配的第一标准命名实体；若查找到所述第一标准命名实体，则将所述第一标准命名实体确定为所述命名实体的归一化表示；若未查找到所述第一标准命名实体，则基于词向量相似度匹配算法，从所述预设的标准命名实体数据库中确定与所述命名实体匹配的第二标准命名实体，并将所述第二标准命名实体确定为所述命名实体的归一化表示。本申请既能够确保检测精准度、又具有较高的实施效率和较低的实施成本。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种命名实体归一化处理方法、装置、电子设备及存储介质。

背景技术

命名实体(named entity)是指以人名、机构名、地名以及其他名称为标识的实体。在医学领域，医学命名实体是指称医学领域里的各种事物、现象、特性、关系和过程等，例如疾病、疾病诊断、临床症状、检查和治疗等。

医学命名实体归一化是信息提取的基本任务之一，旨在将文本中的自然语言描述实体映射到给定医学标准库中的标准实体名称，是医疗知识挖掘、医疗智能机器人、医疗临床决策支持系统等应用领域的重要基础工作。准确的医学命名实体归一化方法，便于挖掘非结构化的医学文本的价值，并为接下来医学命名实体的实际应用打好基础工作。

现有技术中，医学命名实体的归一化方法可大致分为两类，一类是利用规则模式实现，以模式和字符串相匹配为主要手段，将电子病历中的文本匹配至标准命名实体，该方法依赖于知识库和词典的建立；另一类是利用聚类和深度神经网络模型实现，该方法依赖于大量的训练数据来训练神经网络模型。上述两种方法，若要达到较高的精准度，都需要人工做大量的数据准备工作，从而导致实施效率的降低和成本的升高，而若提高实施效率和降低成本，则会带来精准度的损失。

因此，需要提供一种既能够确保检测精准度、又具有较高的实施效率和较低的实施成本的命名实体归一化方案。

发明内容

本申请实施例的目的是提供一种命名实体归一化处理方法、装置、电子设备及存储介质，以解决当前命名实体归一化处理方式精准度、效率和成本三者不能兼顾的问题。

为解决上述技术问题，本申请实施例提供如下技术方案：

本申请第一方面提供一种命名实体归一化处理方法，包括：

从文本数据中识别得到命名实体；

按照预设的文本匹配规则，从标准命名实体数据库中查找与所述命名实体或扩展命名实体匹配的第一标准命名实体，其中，所述扩展命名实体是对所述命名实体的至少一部分用词进行同义词替换得到的；

若查找到所述第一标准命名实体，则将所述第一标准命名实体确定为所述命名实体的归一化表示；

若未查找到所述第一标准命名实体，则基于词向量相似度匹配算法，从所述预设的标准命名实体数据库中确定与所述命名实体匹配的第二标准命名实体，并将所述第二标准命名实体确定为所述命名实体的归一化表示。

本申请第二方面提供一种命名实体归一化处理装置，包括：

命名实体识别模块，用于从文本数据中识别得到命名实体；

文本匹配模块，用于按照预设的文本匹配规则，从标准命名实体数据库中查找与所述命名实体或扩展命名实体匹配的第一标准命名实体，其中，所述扩展命名实体是对所述命名实体的至少一部分用词进行同义词替换得到的；

第一标准命名模块，用于若查找到所述第一标准命名实体，则将所述第一标准命名实体确定为所述命名实体的归一化表示；