[发明专利]基于深度语义信息表示的中文临床医疗实体识别方法

摘要

本发明提出了一种基于深度语义信息表示的中文临床医疗实体识别方法，包括两部分内容：1)中文临床医疗实体的表示方法；2)中文临床医疗实体的识别方法。表示方法包括以下两种：单标签表示和多标签表示。识别方法融入基于医疗领域偏旁部首信息的汉字表示方法，基于CNN获取医疗文本的局部语义信息，基于双向LSTM获取医疗文本的全局语义，并基于Attention机制对句子中不同词的语义信息进行选择。本发明继承了深度学习的优势，具有较少人工特征干预及更高的准确率和召回率等优点。

主权项

一种基于深度语义信息表示的中文临床医疗实体识别方法，其特征在于：所述方法采用深度神经网络模型，整体上分为5层：(1)输入层，(2)CNN层，(3)双向LSTM层，(4)Attention层，(5)输出层；所述方法包括：训练时，首先用单标签或多标签表示方法对包含中文临床医疗实体的句子进行表示，然后采用以下步骤进行模型训练：S1、采用常用的字词分布式表示学习算法在大量医疗领域相关的文本上训练得到字向量分布式表示；S2、从垂直网站和/或医疗业务系统中自动抽取大规模医疗实体构成临床领域词典，把词典中的字进行偏旁部首拆分，抽取并统计得到临床领域词典常用的偏旁部首，并将所有字按临床领域词典常用的偏旁部首进行分类，并进行随即初始化；S3、将步骤S1和S2得到的分布式向量进行拼接形成融合了中文临床医疗领域偏旁信息的汉字深度语义表示；S4、选取以当前字为中心的上下文窗口，用CNN得到字的上下文局部语义信息表示，并作为LSTM层的输入；S5、利用双向LSTM获取临床医疗文本中句子的全局语义信息表示；S6、利用attention机制，通过计算当前字与句子中其他字的相似度，获取句子中其他字对当前字的语义贡献和权重，找到句子中与当前字显著相关的有用信息，并将attention向量与当前字向量进行拼接，得到当前字上下文局部语义信息和所在句子全局语义信息的深度表示；S7、输入一个中文医疗领域的句子，通过上述步骤S1‑S6的处理，得到了其深度语义表示序列，以该深度语义表示序列作为输入，临床医疗实体表示标签序列作为输出，利用序列标注算法进行建模，并对融合了中文临床医疗领域偏旁信息的汉字深度语义表示进行调整；测试时，通过查表得到步骤S3中的汉字深度语义表示，然后依次按照步骤S4、S5和S6得到当前字上下文局部语义信息和所在句子全局语义信息的深度表示，最后将句子的深度语义表示序列输入到训练得到的模型中进行预测得到标签序列并进行临床医疗实体还原。