[发明专利]基于深度学习及分布式语义特征医学信息抽取系统及方法

摘要

本发明公开了基于深度学习及分布式语义特征医学信息抽取系统和方法，包含预处理模块、基于语言模型的词向量训练模块、海量医学知识库加强学习模块和基于深度人工神经网络的医学名实体识别模块；通过深度学习方法以生成语言模型的概率为优化目标，使用医学文本大数据训练初级的词向量；基于海量医学知识库，训练第二个深度人工神经网络，通过深度加强学习，把海量知识库结合到深度学习的特征学习过程中，从而获取真对医学领域的分布式语义特征；最后使用基于优化语句级极大似然概率的深度学习方法进行中文医学名实体识别。使用大量未标注语料来生成词向量，从而避免医学自然语言处理中的繁琐的特征选择和调优过程。

主权项

1.基于深度学习及分布式语义特征医学信息抽取系统，其特征在于：包含预处理模块(1)、基于语言模型的词向量训练模块(2)、海量医学知识库加强学习模块(3)以及基于深度人工神经网络的医学名实体识别模块(4)，所述预处理模块(1)，用于对医学文本大数据进行非法字符清理、中文字符编码统一以及生成下一模块词向量训练使用的字表，字表是所有文本中出现的文字的列表；所述基于语言模型的词向量训练模块(2)，读取预处理过的医疗文本，根据预订的窗口，生成正例；同时，使用随机替换正例中心字的方式生成负例，通过训练一个深度神经网络，以优化语言模型的概率作为优化目标，生成初级词向量；所述海量医学知识库加强学习模块(3)，以初级词向量为出发点，使用另外一个深度神经网络，通过优化医学知识库的预测概率，对初级词向量进行加强学习，从而生成医学领域的分布式语义特征；所述基于深度人工神经网络的医学名实体识别模块(4)，使用海量医学知识库加强学习模块(3)中训练的医学领域的分布式语义特征表示，训练一个医学名实体识别的深度神经网络，识别医学文本中重要的名实体。