[发明专利]中文病历的实体识别方法、装置、设备及存储介质

摘要

本发明公开了一种中文病历的实体识别方法，属于然语言处理领域。该方法包括以下步骤：根本不同的对应规则输出各种特征向量，包括与所述个人信息对应的第一特征向量、用于表征每个字在词组中位置的第二特征向量、与所述每个字的偏旁对应的第三特征向量、对应每个字输出相应的第四特征向量以及与所述每个字的拼音对应的第五特征向量；再根据拼接规则各个特征向量对应拼接在每个字的初始向量之后，以得到用于表征所述中文病历的向量集；最后将用于表征所述中文病历的向量集输入训练好的模型以抽取其中的实体。本发明通过识别出中文病历中的实体信息转换成特征向量，将中文病历整体转换成的向量集作为模型的输入，以提高模型对实体抽取的准确率。

主权项

1.一种中文病历的实体识别方法，其特征在于，包括以下步骤：识别出所述中文病历中包含的个人信息,根据第一对应规则输出与所述个人信息对应的第一特征向量，所述中文病历中每个字对应相同的所述第一特征向量；利用分词工具对所述中文病历进行分词，以分词后得到的词组为单位，根据第二对应规则对应每个字输出用于表征每个字在词组中位置的第二特征向量；识别出所述中文病历中每个字的偏旁，根据第三对应规则对应每个字输出与所述每个字的偏旁对应的第三特征向量；对所述中文病历做n‑gram遍历，将遍历后得到各个词组分别与预设的原始医学词典、前缀词典和后缀词典进行匹配，根据匹配结果与第四对应规则对应每个字输出相应的第四特征向量；利用中文拼音转换工具将所述中文病历中每个字转换为拼音，根据第五对应规则对应每个字输出与所述每个字的拼音对应的第五特征向量；根据拼接规则将所述第一特征向量、所述第二特征向量、所述第三特征向量、所述第四特征向量和所述第五特征向量对应拼接在每个字的初始向量之后，以得到用于表征所述中文病历的向量集；将用于表征所述中文病历的向量集输入训练好的模型以抽取其中的实体。