[发明专利]临床医疗实体及其属性抽取方法

摘要

本申请涉及一种临床医疗实体及其属性抽取方法。该方法包括：3个模块：(1)预处理；(2)句子的信息全面性表示；(3)临床医疗实体及其属性抽取的联合学习。其中联合学习方法主要包括两种方式：(1)串行联合方式；(2)并行联合方式。串行联合方式又分为3个子模块：(1)临床医疗实体‑属性识别；(2)临床医疗实体‑属性关系抽取；(3)联合学习；并行联合方式是采用序列标注的方法进行临床医疗实体及其属性联合抽取。该方法对临床医疗辅助决策、临床医疗研究等具有重要意义。

主权项

1.一种基于深度学习的临床医疗实体及其属性“串行联合”抽取方法，其特征在于，所述方法包括如下步骤：(1)采用基于规则的方法对原始电子病历进行数据清洗、章节头检测、句子边界检测、Tokenization预处理；(2)利用深度学习算法对输入语句进行表示，包括CNN‑RNN句子表示、多通道句子表示和Seq2Seq句子表示；(3)将临床医疗“实体/属性”识别任务看作一个序列标注问题，采用Begin Inside Last Outside Unit表示方法，即“BILOU”表示方法对包含临床医疗实体和属性的句子进行标注：首先利用Attention机制对句子中每一个词与其他词之间的相关性进行建模，然后利用NN方法和结构化预测方法完成序列标注；(4)根据临床医疗实体和属性之间的修饰约束关系对所有可能的＜实体，属性＞对候选进行过滤；(5)将过滤之后的关系候选通过神经网络框架对＜实体，属性＞关系候选进行表示；(6)将临床医疗“实体‑属性”关系抽取任务看作一个分类问题，利用NN方法对表示后的＜实体，属性＞对候选进行关系分类；(7)在模型的训练过程中，对“实体/属性”识别的损失函数L_e和“实体‑属性”关系抽取的损失函数L_r的进行线性组合：L＝αL_e+(1‑α)L_r其中，α是一个组合系数，用于调节每部分的权重，α越大，表示“实体/属性”识别对模型的影响越大，反之亦然，L_e和L_r均采用交叉熵作为实体和属性识别的损失函数。