医学文献的关系抽取方法、装置、电子设备及存储介质

    公开(公告)号:CN114064938B

    公开(公告)日:2022-04-22

    申请号:CN202210045975.0

    申请日:2022-01-17

    Inventor: 李宗任 钟琴

    Abstract: 本申请公开了一种医学文献的关系抽取方法、装置、电子设备及存储介质。其中,医学文献的关系抽取方法,包括:获得数据集,并基于数据集预训练Bert模型,数据集包括外部医学文献数据库中的医学文献,医学文献预先标注实体,Bert模型用于实体监督;构建关系抽取模型,关系抽取模型包括头实体抽取模块、关联模块以及尾实体/关系抽取模块,头实体抽取模块以及关联模块的编码器基于实体监督的Bert模型进行微调;获得渐进式的权重损失函数,以利用关系抽取模型对医学文献进行关系抽取。本申请实施例,可以提升医学文献的关系抽取效果,提升了后续得到临床知识图谱的专业性。

    医学文献的关系抽取方法、装置、电子设备及存储介质

    公开(公告)号:CN114064938A

    公开(公告)日:2022-02-18

    申请号:CN202210045975.0

    申请日:2022-01-17

    Inventor: 李宗任 钟琴

    Abstract: 本申请公开了一种医学文献的关系抽取方法、装置、电子设备及存储介质。其中,医学文献的关系抽取方法,包括:获得数据集,并基于数据集预训练Bert模型,数据集包括外部医学文献数据库中的医学文献,医学文献预先标注实体,Bert模型用于实体监督;构建关系抽取模型,关系抽取模型包括头实体抽取模块、关联模块以及尾实体/关系抽取模块,头实体抽取模块以及关联模块的编码器基于实体监督的Bert模型进行微调;获得渐进式的权重损失函数,以利用关系抽取模型对医学文献进行关系抽取。本申请实施例,可以提升医学文献的关系抽取效果,提升了后续得到临床知识图谱的专业性。

    基于深度学习的知识图谱构建方法、系统、设备及介质

    公开(公告)号:CN113505244A

    公开(公告)日:2021-10-15

    申请号:CN202111058841.4

    申请日:2021-09-10

    Abstract: 本申请公开了一种基于深度学习的知识图谱构建方法、系统、设备及介质,该方法包括:将未标注的医学文献数据输入关系抽取模型中,构建第一知识图谱,关系抽取模型是基于获取的已标注的医学文献数据构建的;将未标注的医学文献数据输入辅助标注模型中,确定未标注的医学文献数据中每个实体的分类结果,辅助标注模型是基于医学数据库构建的;采用半监督学习算法,根据每个实体的分类结果和第一知识图谱更新关系抽取模型,得到第二知识图谱。该方案能够基于融合了医学数据库的辅助标注模型对海量无标注医学文献数据进行标注,并通过半监督学习算法迭代更新关系抽取模型,提升了关系抽取模型的泛化能力,从而全面且快速地构建出高质量的知识图谱。

    随访数据共享方法和系统
    7.
    发明公开

    公开(公告)号:CN114283907A

    公开(公告)日:2022-04-05

    申请号:CN202111577674.4

    申请日:2021-12-22

    Abstract: 本申请公开了随访数据共享方法和系统,包括:随访系统获取课题和对应于课题的随访表单,其中,随访表单包括多个随访字段,随访字段至少包括是否坚持服药、换药类型、疾病是否复发、是否再入院、再入院时间、是否死亡、死亡时间中的一种或者多种;获得随访队列,其中,随访队列包括多个患者的患者标识,随访队列是通过预设的检索信息和/或上传患者标识的方式确定的;将随访表单发送给随访队列中患者标识对应的多个患者,并接收多个患者基于随访表单的多个随访字段录入的表单数据;将多个患者录入完成的随访表单存储于数据库服务器,以使下一次对患者进行随访时预先基于唯一标识从数据库服务器中查询患者已录入表单数据。此方法能使随访数据共享。

    基于深度学习的知识图谱构建方法、系统、设备及介质

    公开(公告)号:CN113505244B

    公开(公告)日:2021-11-30

    申请号:CN202111058841.4

    申请日:2021-09-10

    Abstract: 本申请公开了一种基于深度学习的知识图谱构建方法、系统、设备及介质,该方法包括:将未标注的医学文献数据输入关系抽取模型中,构建第一知识图谱,关系抽取模型是基于获取的已标注的医学文献数据构建的;将未标注的医学文献数据输入辅助标注模型中,确定未标注的医学文献数据中每个实体的分类结果,辅助标注模型是基于医学数据库构建的;采用半监督学习算法,根据每个实体的分类结果和第一知识图谱更新关系抽取模型,得到第二知识图谱。该方案能够基于融合了医学数据库的辅助标注模型对海量无标注医学文献数据进行标注,并通过半监督学习算法迭代更新关系抽取模型,提升了关系抽取模型的泛化能力,从而全面且快速地构建出高质量的知识图谱。

Patent Agency Ranking