[发明专利]基于深度学习的中医药临床文献数据结构化方法及装置

权利要求书

1.一种基于深度学习的中医药临床文献数据结构化方法，其特征在于，所述方法包括：

S1、获取待处理文献；

S2、将所述待处理文献输入到预先构建好的文献数据结构化模型；

S3、基于所述待处理文献以及所述文献数据结构化模型，得到结构化文本。

2.根据权利要求1所述的方法，其特征在于，所述S2中的所述文献数据结构化模型的构建过程包括：

S21、获取中医药临床文献样本数据集，并对所述样本数据集进行预处理；

S22、对所述预处理后的样本数据集进行数据标注，根据得到的标注数据得到正则池以及标注集，将所述标注集分为训练集、验证集、测试集；

S23、构建基于自注意力机制Transformer的神经网络模型，根据所述训练集、验证集对所述神经网络模型进行命名实体识别训练，得到文献数据结构化模型；

S24、将所述测试集输入到所述文献数据结构化模型，得到预测的目标点，根据所述正则池提取所述预测的目标点所在的一句或多句话，得到预测的结构化文本；

S25、将所述预测的结构化文本进行人工校对，若人工校对结果不一致，则转去执行S21；若人工校对结果一致，则输出所述文献数据结构化模型。

3.根据权利要求2所述的方法，其特征在于，所述S21中的对所述样本数据集进行预处理包括：

将所述样本数据集中的样本数据进行拆分，将拆分后的样本数据中的关键词、日期、抬头、编号信息删除。

4.根据权利要求2所述的方法，其特征在于，所述S22中的对所述预处理后的样本数据集进行数据标注包括：

根据所述预处理后的样本数据集的内容，设定标签及排序，所述标签的内容为需进行结构化内容的描述；

根据所述标签对所述预处理后的样本数据集的内容进行标注，并将标注的内容和相应的标签进行关联。

5.根据权利要求2所述的方法，其特征在于，所述S22中的根据得到的标注数据得到正则池包括：

提取所述标注数据所在的句子，在所述句子中去掉所述标注数据，动态生成正则提取句式，将所述正则提取句式保存到正则池。

6.根据权利要求2所述的方法，其特征在于，所述S22中的根据得到的标注数据得到标注集包括：

对所述标注数据采用BIO标注法进行序列标注，得到标注集。

7.一种基于深度学习的中医药临床文献数据结构化装置，其特征在于，所述装置包括：

获取模块，用于获取待处理文献；

输入模块，用于将所述待处理文献输入到预先构建好的文献数据结构化模型；

输出模块，用于基于所述待处理文献以及所述文献数据结构化模型，得到结构化文本。

8.根据权利要求7所述的装置，其特征在于，所述文献数据结构化模型的构建过程包括：

S21、获取中医药临床文献样本数据集，并对所述样本数据集进行预处理；

S22、对所述预处理后的样本数据集进行数据标注，根据得到的标注数据得到正则池以及标注集，将所述标注集分为训练集、验证集、测试集；

S23、构建基于自注意力机制Transformer的神经网络模型，根据所述训练集、验证集对所述神经网络模型进行命名实体识别训练，得到文献数据结构化模型；

S24、将所述测试集输入到所述文献数据结构化模型，得到预测的目标点，根据所述正则池提取所述预测的目标点所在的一句或多句话，得到预测的结构化文本；

S25、将所述预测的结构化文本进行人工校对，若人工校对结果不一致，则转去执行S21；若人工校对结果一致，则输出所述文献数据结构化模型。

9.根据权利要求7所述的装置，其特征在于，所述S21中的对所述样本数据集进行预处理包括：

将所述样本数据集中的样本数据进行拆分，将拆分后的样本数据中的关键词、日期、抬头、编号信息删除。

10.根据权利要求7所述的装置，其特征在于，对所述预处理后的样本数据集进行数据标注包括：

根据所述预处理后的样本数据集的内容，设定标签及排序，所述标签的内容为需进行结构化内容的描述；根据所述标签对所述预处理后的样本数据集的内容进行标注，并将标注的内容和相应的标签进行关联。