[发明专利]一种基于对抗训练和BiLSTM-CRF的医学领域命名实体识别方法

权利要求书

1.一种基于对抗训练和BiLSTM-CRF的医学领域命名实体识别方法，其特征在于，包括：

获取医学领域的医疗文本数据集；

将医疗文本数据集切分成文字和词组作为训练样本，并通过Word2Vec方法将训练样本转化为词向量矩阵；

计算词向量矩阵中每个词向量的梯度，并使用FGM对抗训练方法对词向量梯度进行标准化处理得到扰动值，将扰动值加入到原有词向量中；

将原有词向量与添加了扰动值后的词向量同时送往BiLSTM模型，BiLSTM模型通过门机制获取到词向量上下文中的信息，提取相关特征，得到医疗领域字词信息间的关联性特征；

将提取到的关联性特征输入到条件随机场CRF中，对样本进行预测，得到最终的预测值。

2.如权利要求1所述的医学领域命名实体识别方法，其特征在于，医学领域的医疗文本数据集包括中文医学NER公开数据集，所述训练样本包括训练集、测试集和验证集。

3.如权利要求1所述的医学领域命名实体识别方法，其特征在于，所述通过Word2Vec方法将训练样本转化为词向量矩阵，包括：

将训练样本输入Word2Vec中的skip-gram模型，通过输入中心词预测指定大小窗口内的上下文的词，训练完成可获得词向量表；

基于词向量表获取训练样本中每个文字或词组的词向量，得到词向量矩阵。

4.如权利要求1所述的医学领域命名实体识别方法，其特征在于，词向量的梯度的计算公式为：

式中，g为对词向量x求梯度，y为预测值，θ为分类器当前参数的常数集；

扰动值的计算公式为：

r＝-εg/||g||₂

式中，r为扰动值，ε为扰动系数。

5.如权利要求1或4所述的医学领域命名实体识别方法，其特征在于，还包括：

计算添加扰动值后的词向量的梯度A，并将梯度A累加到原有词向量的梯度上，得到梯度B；基于梯度B对模型参数进行更新。