[发明专利]基于TextCNN的医疗文本特征提取方法及装置

说明书

本公开提供一种基于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。本公开还提供一种基于TextCNN的医疗文本特征提取装置、电子设备以及可读存储介质。

技术领域

本公开涉及一种基于TextCNN的医疗文本特征提取方法、装置、电子设备以及可读存储介质。

背景技术

文本分类的相关技术已经取得了很大进展，但是在医疗领域中，文本分类任务与普通场景下的文本分类任务有一定区别，一是医疗领域专业性较强，含有大量的医学专业名称，二是医疗领域中的文本存在类别不均衡的问题，类别不均衡导致模型在学习过程中严重倾向于多数类，无法学习到少数类别的特征。而文本特征特征提取会影响文本分类效果，医疗文本由于其领域特殊性，医疗文本的特征提取同样会影响医疗文本分类效果。

发明内容

为了解决上述技术问题中的至少一个，本公开提供一种基于TextCNN的医疗文本特征提取方法、装置、电子设备及可读存储介质。

根据本公开的一个方面，提供一种基于TextCNN的医疗文本特征提取方法，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。

根据本公开至少一个实施方式的基于TextCNN的医疗文本特征提取方法，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。

根据本公开至少一个实施方式的基于TextCNN的医疗文本特征提取方法，所述卷积层的卷积核为多个一维卷积核。

根据本公开至少一个实施方式的基于TextCNN的医疗文本特征提取方法，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。

根据本公开的又一个方面，提供一种医疗文本特征提取装置，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。

根据本公开至少一个实施方式的医疗文本特征提取装置，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，