公开(公告)号：CN107977361B

公开(公告)日：2021-05-18

申请号：CN201711278996.2

申请日：2017-12-06

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 汤步洲 ,  石雪 ,  刘增健 ,  陈清财 ,  王晓龙

IPC: G06F40/295 ,  G06F40/30 ,  G06F40/242 ,  G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于深度语义信息表示的中文临床医疗实体识别方法，包括两部分内容：1)中文临床医疗实体的表示方法；2)中文临床医疗实体的识别方法。表示方法包括以下两种：单标签表示和多标签表示。识别方法融入基于医疗领域偏旁部首信息的汉字表示方法，基于CNN获取医疗文本的局部语义信息，基于双向LSTM获取医疗文本的全局语义，并基于Attention机制对句子中不同词的语义信息进行选择。本发明继承了深度学习的优势，具有较少人工特征干预及更高的准确率和召回率等优点。

公开(公告)号：CN107977361A

公开(公告)日：2018-05-01

申请号：CN201711278996.2

申请日：2017-12-06

Applicant: 哈尔滨工业大学深圳研究生院

Inventor： 汤步洲 ,  石雪 ,  刘增健 ,  陈清财 ,  王晓龙

IPC: G06F17/27 ,  G06F17/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种基于深度语义信息表示的中文临床医疗实体识别方法，包括两部分内容：1)中文临床医疗实体的表示方法；2)中文临床医疗实体的识别方法。表示方法包括以下两种：单标签表示和多标签表示。识别方法融入基于医疗领域偏旁部首信息的汉字表示方法，基于CNN获取医疗文本的局部语义信息，基于双向LSTM获取医疗文本的全局语义，并基于Attention机制对句子中不同词的语义信息进行选择。本发明继承了深度学习的优势，具有较少人工特征干预及更高的准确率和召回率等优点。