公开(公告)号：CN106484674B

公开(公告)日：2020-09-25

申请号：CN201610835901.1

申请日：2016-09-20

Applicant: 北京工业大学

Inventor： 赵申荷 ,  李建强 ,  张苓琳 ,  莫豪文 ,  闫蕾 ,  林玉凤 ,  刘畅

IPC: G06F40/253 ,  G16H10/60 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的中文电子病历概念抽取方法，包括：利用多层稀疏自动编码器的深层架构训练出目标词的上下文分布式特征，之后合并本身具有高级概念意义的实体特征——标记特征和词性特征为整体特征，将整体特征输入到深度信念网络中进行模型训练。比对样本的标记特征进行残差计算，通过有监督地微调，对整个深层架构的性能进行优化调整。本发明的方法充分利用了深度学习对特征进行深层优化的特点，同时加入了实体特征作为先验知识，在减少了对于人工特征依赖的同时，可提高分类和预测的准确性。

公开(公告)号：CN106484674A

公开(公告)日：2017-03-08

申请号：CN201610835901.1

申请日：2016-09-20

Applicant: 北京工业大学

Inventor： 赵申荷 ,  李建强 ,  张苓琳 ,  莫豪文 ,  闫蕾 ,  林玉凤 ,  刘畅

IPC: G06F17/27 ,  G06F19/00 ,  G06N3/08

Abstract: 本发明公开一种基于深度学习的中文电子病历概念抽取方法，包括：利用多层稀疏自动编码器的深层架构训练出目标词的上下文分布式特征，之后合并本身具有高级概念意义的实体特征——标记特征和词性特征为整体特征，将整体特征输入到深度信念网络中进行模型训练。比对样本的标记特征进行残差计算，通过有监督地微调，对整个深层架构的性能进行优化调整。本发明的方法充分利用了深度学习对特征进行深层优化的特点，同时加入了实体特征作为先验知识，在减少了对于人工特征依赖的同时，可提高分类和预测的准确性。