买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜广西警察学院申请的专利一种基于深度学习的医疗实体识别与关系抽取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119167938B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411393643.7，技术领域涉及：G06F40/295；该发明授权一种基于深度学习的医疗实体识别与关系抽取方法是由秦振凯;向秋焱;周胜;徐铭朝;梁家权;朱锋设计研发完成，并于2024-10-08向国家知识产权局提交的专利申请。

本一种基于深度学习的医疗实体识别与关系抽取方法在说明书摘要公布了：本发明公开了一种基于深度学习的医疗实体识别与关系抽取方法，S1、获取并预处理医疗文本数据集；S2、构建医疗领域的词嵌入模型；S3、基于所述词嵌入模型，构建并训练采用Attention机制的多层神经网络模型；S4、将经过训练的多层神经网络模型应用于新的医疗文本数据集，对医疗文本数据集中的实体进行识别和分类；S5、在识别出实体后，使用双向Attention机制对医疗文本数据集中的实体进行关系抽取；S6、针对不同类型的关系，使用双向Attention机制分别进行处理；S7、结合医疗领域知识库，对识别出的实体和关系进行验证与补充；S8、将最终识别和抽取的医疗实体及其关系以结构化形式输出。本发明提升了医疗文本分析的可靠性和实用性。

本发明授权一种基于深度学习的医疗实体识别与关系抽取方法在权利要求书中公布了：1.一种基于深度学习的医疗实体识别与关系抽取方法，其特征在于，包括如下步骤：S1、获取并预处理医疗文本数据集，对医疗文本数据集进行分词、去停用词及标准化处理；S2、构建医疗领域的词嵌入模型，利用医疗领域的术语词典和语料库对词嵌入模型进行训练，使词嵌入模型生成医疗术语的高维向量表示；S3、基于所述词嵌入模型，构建并训练采用Attention机制的多层神经网络模型；S4、将经过训练的多层神经网络模型应用于新的医疗文本数据集，对医疗文本数据集中的实体进行识别和分类；S5、在识别出实体后，使用双向Attention机制对医疗文本数据集中的实体进行关系抽取，关系抽取包括识别实体之间的直接关系及通过上下文感知推断的潜在关联关系；S6、针对不同类型的关系，使用双向Attention机制分别进行处理；S7、结合医疗领域知识库，对识别出的实体和关系进行验证与补充；S8、将最终识别和抽取的医疗实体及其关系以结构化形式输出；所述S7具体包括：S71、将识别出的实体集合E＝{e1,e2,...,en}和实体关系集合R＝{r1,r2,...,rm}与医疗领域知识库Kmed进行匹配，知识库Kmed包括标准医学术语、疾病分类编码和药物数据库，定义实体匹配评分Smatchei： 其中，Kk为知识库中的第k条医学术语或实体记录，δei,Kk为二值函数，当实体ei与知识库中的实体Kk匹配时，δei,Kk＝1，否则为0，l为知识库中与实体ei匹配的条目总数；S72、根据实体匹配评分Smatchei对低匹配的实体ei进行补充验证，从知识库Kmed中检索与其语义相近的实体，计算实体相似度评分Ssimei,Kk： 其中，和分别为实体ei和知识库中实体Kk的词向量表示，cos表示词向量间的余弦相似度；S73、针对识别出的关系集合R计算每对实体关系rj＝ei,ek的关系匹配评分Smatchrj：Smatchrj＝λ6·Relmedei,ek；其中，Relmedei,ek为医疗知识库中与实体ei和实体ek之间关系的向量表示，λ6为调节系数，控制知识库对关系验证的影响；S74、结合上下文感知生成的最终关系预测值Rij与关系匹配评分Smatchrj进行对比，当最终关系预测值Rij与匹配评分之间的差异超过预设阈值时，使用知识库中的语义信息进行关系验证与补充；S75、输出经过知识库验证和补充后的医疗实体集合和医疗关系集合： 其中，和为经过验证补充后的医疗实体与医疗关系。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广西警察学院，其通讯地址为：530028 广西壮族自治区南宁市青秀区长湖路6号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。