[发明专利]基于TextCNN的医疗文本特征提取方法及装置

权利要求书

1.一种基于TextCNN的医疗文本特征提取方法，其特征在于，包括：

将医疗文本转化为向量；

将医疗文本转化的向量输入TextCNN输入层，经TextCNN输入层处理后输出至TextCNN卷积层；

TextCNN卷积层对输入层的输出结果进行卷积操作，得到文本特征，并将文本特征输出至池化层；以及

TextCNN池化层提取文本特征中的最大值，以获得医疗文本特征。

2.根据权利要求1所述的基于TextCNN的医疗文本特征提取方法，其特征在于，将医疗文本转化为向量，包括：

将包含n个字的文本拆分为n个字；

对于各个字，用k维向量表示，其中，k表示大于1的自然数；以及

将表示各个字的k维向量表示拼接，拼接后的向量为表示文本的向量，所述表示文本的向量为n*k维矩阵。

3.根据权利要求1所述的基于TextCNN的医疗文本特征提取方法，其特征在于，所述卷积层的卷积核为多个一维卷积核。

4.根据权利要求1所述的基于TextCNN的医疗文本特征提取方法，其特征在于，所述卷积层的卷积操作的公式为c_i＝f(w·x_i：i+h-1+b)，其中Ci表示卷积操作后的特征矩阵，f为非线性函数，为卷积核，b为偏置项，X_i:i+h-1为卷积层输出特征。

5.一种医疗文本特征提取装置，其特征在于，包括：

文本向量转化模块，将医疗文本转化为向量；

卷积模块，将医疗文本转化的向量输入TextCNN输入层，经TextCNN输入层处理后输出至TextCNN卷积层；

池化模块，TextCNN卷积层对输入层的输出结果进行卷积操作，得到文本特征，并将文本特征输出至池化层；以及

最大值提取模块，TextCNN池化层提取文本特征中的最大值。

6.根据权利要求5所述的医疗文本特征提取装置，其特征在于，将医疗文本转化为向量，包括：

将包含n个字的文本拆分为n个字；

对于各个字，用k维向量表示，其中，k表示大于1的自然数；以及

将表示各个字的k维向量表示拼接，拼接后的向量为表示文本的向量，所述表示文本的向量为n*k维矩阵。

7.根据权利要求5所述的医疗文本特征提取装置，其特征在于，所述卷积层的卷积核为多个一维卷积核。

8.根据权利要求5所述的医疗文本特征提取装置，其特征在于，所述卷积层的卷积操作的公式为c_i＝f(w·x_i：i+h-1+b)，其中Ci表示卷积后的特征矩阵，f为非线性函数，为卷积核，b为偏置项，X_i:i+h-1为卷积层输出特征。

9.一种电子设备，其特征在于，包括：

存储器，所述存储器存储执行指令；以及

处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行权利要求1至4中任一项所述的方法。

10.一种可读存储介质，其特征在于，所述可读存储介质中存储有执行指令，所述执行指令被处理器执行时用于实现权利要求1至4中任一项所述的方法。