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！

申请/专利权人：浙江工业大学

摘要：一种融合中文医疗领域特征的医疗实体识别方法，基于特定领域知识识别药品说明书中的实体，所述方法包括步骤：S1：收集中文药品说明书并进行文本预处理；S2：利用图卷积网络提取文本序列词级别的特征，其中节点的特征考虑了字音、字形以及字典的特征；S3:提取文本序列字级别的特征，并融合词级别的特征；S4:采用双向LSTM学习文本的序列特征，经过解码层得到汉字的序列标签，将标签进行组合，完成实体识别的任务。本发明充分全面地捕捉到汉字字音字形的特征，以词级别的粒度融入到实体识别的模型中，提高了医疗实体识别的精度。

主权项：1.一种融合中文医疗领域特征的医疗实体识别方法，其特征在于，包括如下步骤：S1：对中文药品说明书进行文本预处理操作，包括对说明书文本进行预清洗和文本的切分处理；S2：输入的句子通过中文语义分析工具得到语义依存关系，构造语义依存关系网络图，采用图卷积神经网络提取文本词级别的特征，其中输入图卷积神经网络的特征融合中文医疗领域字音、字形、字典的特征；具体包括：S2.1：输入的句子通过中文语义分析工具得到语义依存关系，构造语义依存关系网络图其中V表示的是句子中的词汇节点，E表示的是词汇之间的语义依存关系；所述的语义依存关系网络图中的词汇之间的语义依存关系，包括当事关系、受事关系、客事关系；S2.2：基于步骤S2.1构造的语义依存关系网络图，构建邻接矩阵采用以下公式对邻接矩阵进行卷积操作，对于输入图卷积神经网络的节点特征，融合了中文医疗领域字音、字形、字典的特征，字音通过拼音的声母、韵母、声调进行编码，字形通过汉字的部首信息和其余部分进行编码，医疗实体部首大多包含“月”、“疒”，相同的偏旁部首代表医疗实体中的一类实体，对部首进行单独的编码识别实体，字典信息根据医疗领域词典，采用N-gram语言模型描述医疗实体这类由字构成的词；1字音向量具体为：获取汉字的拼音，将拼音划分为声母、韵母、声调三个部分，通过拼音的声母、韵母、声调来编码汉字的拼音；2字形向量具体为：统计汉字的部首信息和获取汉字的笔画顺序信息，构建字典Dr和Ds，根据汉字的结构拆分成两个部分，通过两个部分对汉字的形状进行编码，如果有部分在部首字典Dr中，取该部首的one-hot编码Xsr，其余的部分按照笔画进行编码，任何一个汉字都由横、竖、撇、捺、折、点的线性组合表示，根据Ds，获取汉字剩余笔画的编码Xss； 其中，concat·表示将括号中的向量进行拼接；3字典向量具体为：根据N-gram特征模板和医疗领域词典，获取字典向量；步骤S2.2所述的输入图卷积神经网络的节点特征表示为： 聚合不同词汇之间的特征： 其中，表示第l层图卷积操作输出的词汇节点的特征表示，Wl，bl表示网络学习的参数，σ·表示激活函数，D表示对应的度矩阵，IN表示单位矩阵；S3：采用预训练模型提取医疗文本字级别的特征；S4：采用基于双向LSTM和CRF的实体识别模型，输入特征融合步骤S2中的文本词级别特征和步骤S3中的文本字级别特征，实现药品说明书中的实体识别的任务。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种融合中文医疗领域特征的医疗实体识别方法及系统