龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：东北大学;沈阳东软智能医疗科技研究院有限公司
申请日：2023-09-11
公开（公告）日：2023-12-08
公开（公告）号：CN117194661A
主分类号：G06F16/35
分类号：G06F16/35;G06F40/295;G16H10/60;G06N3/0442;G06N3/045;G06N3/08;G06N3/006
优先权：
专利状态码：在审-实质审查的生效
法律状态：2023.12.26#实质审查的生效;2023.12.08#公开
摘要：本发明提供一种基于头脑风暴神经架构搜索的中文电子病历信息抽取方法，涉及信息抽取技术领域。该方法首先根据待搜索的BiLSTM网络模型参数设计BSO算法的编码策略；然后执行初始化种群操作，将BiLSTM网络混合参数映射至BSO算法的个体中，构建可训练的基于BiLSTM的BERT‑BiLSTM‑CRF的实体识别和BiLSTM关系抽取模型；再对LSTM网络模型进行训练，将模型的F1值作为初始个体的适应度值并进行适应度评价和训练策略；并根据k‑means聚类操作对种群进行区域划分，设置每个种群的局部最优值和替代的聚类中心，根据头脑风暴算法中种群内部和种群之间的进化机理设计个体寻优更新操作，当达到最大迭代次数时，得到的个体即LSTM网络模型为当前最优的电子病历文本实体识别和关系抽取模型。
主权项：1.一种基于头脑风暴神经架构搜索的中文电子病历信息抽取方法，其特征在于：包括以下步骤：步骤1：根据待搜索的BiLSTM网络模型参数设计BSO算法的编码策略；步骤2：执行初始化种群操作，将BiLSTM网络混合参数映射至BSO算法的个体中，构建可训练的基于BiLSTM的BERT-BiLSTM-CRF的实体识别和BiLSTM关系抽取模型；步骤3：根据训练集、测试集、验证集对LSTM网络模型进行训练，将模型的F1值作为初始个体的适应度值并进行适应度评价和训练策略；步骤4：根据k-means聚类操作对种群进行区域划分，设置每个种群的局部最优值和替代的聚类中心，根据头脑风暴算法中种群内部和种群之间的进化机理设计个体寻优更新操作，并完成一次完整的迭代；步骤5：重复执行步骤4，当达到最大迭代次数时，得到的个体即LSTM网络模型为当前最优的电子病历文本实体识别和关系抽取模型；步骤6：采用最优的电子病历文本实体识别和关系抽取模型进行中文电子病历的信息抽取。
全文数据：
权利要求：
百度查询： 东北大学;沈阳东软智能医疗科技研究院有限公司 基于头脑风暴神经架构搜索的中文电子病历信息抽取方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号