[发明专利]一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统

权利要求书

1.一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：包括LSTM-CRF网络模型，所述LSTM-CRF网络模型包括输入层、特征提取层、LSTM层和CRF层；所述输入层用于获取中医临床医案症状的文本信息；所述特征提取层用于对输入的文本信息的每一个字进行特征提取，并制定特征模板；所述LSTM层用于自动提取文字的特征；所述CRF层用于文字级别的序列标注，生成最优标注序列。

2.根据权利要求1所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述特征提取层提取的文字特征包括文字的字符特征、字性特征、偏旁部首特征以及字意特征，对输入文字信息的每一个字进行标注，生成单个字的输出特征，所有字的输出特征组成特征序列。

3.根据权利要求2所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述特征提取层中，是依据中医临床医案症状类别标签和BMEWO标记法对输入的每一个字进行标注。

4.根据权利要求1所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述特征提取层包括两个LSTM深度网络，且两个LSTM深度网络拼接成双向LSTM深度网络。

5.根据权利要求4所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述双向LSTM深度网络包括输入门、忘记门和输出门，其中：

输入门，根据网络需要制定有用的信息输入，阻断无用的信息输入；

忘记门，选择有价值的信息保存在网络中；

输出门，控制序列输出对当前标注有用的信息，防止对当前标注无用的信息输出。

6.根据权利要求1所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述序列标注包括如下步骤：

步骤一：对文字信息预处理进行词向量表征，将每一个字分解成若干个偏旁部首；

步骤二：将分解后的文字信息转换为字向量表示；

步骤三：采用双向LSTM深度网络对分解后的中医临床医案症状文字信息进行编码训练，提取每个字的特征，利用CRF对每个字进行标记。

7.根据权利要求6所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：利用预设的One Hot或非线性PCA编码方式将分解后的每一个字转化为与之相对应的字向量。

8.根据权利要求7所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述序列标注还包括：

步骤四：将标记分成可识别不同识别语料的不同标记，并划分为不同的训练集和测试集；

步骤五：将得到的训练集输入到LSTM-CRF模型中进行训练，得到具有中医临床医案症状命名实体的训练模型；

步骤六：利用步骤五中的训练模型去训练步骤四中的测试集，进行命名实体抽取识别，得到抽取识别结果。

9.根据权利要求8所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述序列标注还包括：

步骤七：分别计算抽取识别结果在训练集和测试集上的精确率、召回率和F1值，并将精确率、召回率和F1值进行对比。

10.根据权利要求9所述的一种基于LSTM-CRF的中医临床医案症状命名实体抽取系统，其特征在于：训练集和测试集的比例为20∶1。