[发明专利]一种医学命名实体识别方法、装置、电子设备及存储介质

说明书

本申请提供了一种医学命名实体识别方法、装置、电子设备及存储介质，属于自然语言处理技术领域，该方法包括：将待预测中文序列输入至预设模型获取字符转移矩阵以及标签转移矩阵；从人工标注的命名实体识别数据中确定多个有效标签；对字符转移矩阵中的字符分数以及标签转移矩阵中多个有效标签对应的转移分数进行运算，获得前向分数矩阵以及回溯记录矩阵；基于路径向量最后一个元素的取值以及回溯记录矩阵中目标元素的取值，从后向前依次确定路径向量中每个元素的取值；对待预测中文序列进行标注，确定命名实体结果。通过采用上述医学命名实体识别方法、装置、电子设备及存储介质，解决了在进行命名实体识别时，识别时间长以及识别效率低的问题。

技术领域

本申请涉及自然语言处理技术领域，具体而言，涉及一种医学命名实体识别方法、装置、电子设备及存储介质。

背景技术

随着互联网的飞速发展，网络上的信息越发丰富，这意味着在海量数据中快速精准地找到有效信息越来越困难。我们把网络中的文本称为自然语言，由于中文文本的组成结构，致使理解文本的前提是提取文本中的词的特征，即从非结构化文本中提取到有用的结构化数据的特征，而命名实体识别是从海量的自然语言文本中抽取如人名、地名、机构名等专有名词的任务，因此，对它的研究具有重要的研究意义和价值。目前，在进行命名实体识别时，需要对条件随机场（Conditional Random Field，CRF）层进行解码，采用的解码方式是遍历计算每一条路径的分数或者概率，然后选取分数或者概率最大的那一条路径作为预测路径。

然而，采用上述命名实体识别方法时，如果类别标签有N个，解码的句子长度是L，则需要进行次运算，造成识别时间长以及识别效率低的问题。

发明内容

有鉴于此，本申请的目的在于提供一种医学命名实体识别方法、装置、电子设备及存储介质，以解决在进行命名实体识别时，识别时间长以及识别效率低的问题。

第一方面，本申请实施例提供了一种医学命名实体识别方法，包括：

将待预测中文序列输入至预设模型获取字符转移矩阵以及标签转移矩阵，字符转移矩阵用于表征待预测中文序列中字符被标注为每个命名实体标签的概率，标签转移矩阵用于表征命名实体标签之间相互转移的概率；

从人工标注的命名实体识别数据中确定多个有效标签；

对字符转移矩阵中的字符分数以及标签转移矩阵中多个有效标签对应的转移分数进行运算，获得前向分数矩阵以及回溯记录矩阵；

将前向分数矩阵最后一列中数值最大的前向分数对应的列号作为路径向量最后一个元素的取值，基于路径向量最后一个元素的取值以及回溯记录矩阵中目标元素的取值，从后向前依次确定路径向量中每个元素的取值；

按照路径向量中命名实体标签对应的序号对待预测中文序列进行标注，确定待预测中文序列的命名实体结果。

可选地，对字符转移矩阵中的字符分数以及标签转移矩阵中多个有效标签对应的转移分数进行运算，获得前向分数矩阵以及回溯记录矩阵，包括：设置初始行号为1；将初始行号作为第一目标行号；确定前向分数矩阵中第一目标行号对应的多个元素的取值以及回溯记录矩阵中第一目标行号对应的多个元素的取值；将第一目标行号加1后得到的数值作为更新后的初始行号，确定更新后的初始行号是否小于目标长度，目标长度为比待预测中文序列的字符数多2的数值；若小于目标长度，则返回执行将初始行号作为第一目标行号的步骤。