[发明专利]基于改进图注意力网络的中文医疗命名实体识别方法

权利要求书

1.一种基于改进图注意力网络的中文医疗命名实体识别方法，其特征在于，包括如下步骤：

步骤1：输入原始的医疗领域中文文本数据S，对数据S进行清洗后，得到医疗文本数据s，构建医疗词典D，利用医疗词典D与医疗文本数据s中的字符进行匹配，得到对应的匹配词序列W，通过查找预训练字嵌入矩阵与预训练词嵌入矩阵，将医疗文本数据s与匹配词序列W分别映射为对应的字嵌入序列C与词嵌入序列E；

步骤2：构建修正位置编码的Transformer编码器模型，将字嵌入序列C作为模型的输入，输出上下文语义嵌入序列N，随后将其与词嵌入序列E进行向量拼接，得到特征拼接序列Node_f；

步骤3：构建改进协同图网络模型，将以特征拼接序列Node_f为节点所构成的医疗文本关系图作为模型的输入，经过改进协同图网络模型的图注意力网络计算，输出最终的特征融合序列Q，所述改进协同图网络模型，在原协同图网络模型的基础上通过改进其关系图设计方式，融合其设计的多种字词交互网络结构，依据医疗文本中所存在的“字-词”邻接与包含关系、“字-字”邻接关系以及“词-词”邻接关系来连接对应的节点，实现一种文本整体关系图的构建；

步骤4：构建条件随机场模型，基于特征融合序列Q对医疗文本中的字符进行标签解码，输出最优的标签序列，获得最终的医疗文本的医疗命名实体识别结果。

2.根据权利要求1所述的基于改进图注意力网络的中文医疗命名实体识别方法，其特征在于，所述步骤1的具体方法为：

步骤1.1：定义S为待清洗的原始医疗领域中文文本数据，对S进行去标点符号和去空操作，得到清洗后的医疗文本数据s＝(c₁,c₂,....,c_n)，其中c_i表示第i个字符；

步骤1.2：构建医疗词典D，包括疾病、药物、身体器官、诊疗手段在内的临床医疗实体类别，利用医疗词典D与医疗文本数据s中的字符进行匹配，得到对应的匹配词序列W＝(w₁,w₂,....,w_m)，其中，w_j表示第j个匹配词，匹配词表示包含该字符的词汇；

步骤1.3：通过查找预训练字嵌入矩阵，将医疗文本数据s＝(c₁,c₂,....,c_n)中的每个字符映射为字嵌入向量，得到对应的字嵌入序列C＝(x₁,x₂,....,x_n)，其计算方法为x_i＝e^c(c_i)，其中，x_i表示第i个字符的向量表示，e^c字嵌入查找表；

步骤1.4：通过查找预训练词嵌入矩阵，将匹配词序列W＝(w₁,w₂,....,w_m)中的每个匹配词映射为词嵌入向量，得到对应的词嵌入序列E＝(z₁,z₂,....,z_m)，其计算方法为z_j＝e^w(w_j)，其中，z_j表示第j个匹配词的向量表示，e^w词嵌入查找表。

3.根据权利要求1所述的基于改进图注意力网络的中文医疗命名实体识别方法，其特征在于，所述步骤2中修正位置编码的Transformer编码器模型具体为：

在位置编码中添加了相对位置和方向信息，其编码方法为：

其中，t为目标索引，j为上下文标记索引，R_t-j为相对位置编码，d_k为k的向量维度。