公开(公告)号：CN108231200B

公开(公告)日：2020-06-30

申请号：CN201810026521.2

申请日：2018-01-11

Applicant: 浙江大学

Inventor： 张引 ,  张锐 ,  田沈晶 ,  熊海辉

IPC: G16H50/70 ,  G06F40/211 ,  G06F40/295

Abstract: 本发明公开了一种基于主题模型和ILP的看病攻略生成方法。步骤如下：1)采集疾病知识和用户发布的看病经历数据，从搜狗词库、中医药主题词典、百度百科获取领域知识词典。2)将看病经历数据去重后融合入库。3)利用疾病知识制作疾病的攻略模板，攻略模板包含九大主题版块。4)对看病经历进行实体识别。5)对攻略模板和包含实体的看病经历进行联合主题建模，生成主题‑词分布和主题‑实体分布。6)利用主题‑词分布为每一主题版块选取若干篇看病经历。7)将步骤6)中的看病经历进行分句。8)利用主题‑词分布和主题‑实体分布，进行ILP优化求解，从而得到每种疾病九大主题版块的看病攻略文摘。

公开(公告)号：CN111178047A

公开(公告)日：2020-05-19

申请号：CN201911347473.8

申请日：2019-12-24

Applicant: 浙江大学

Inventor： 张引 ,  熊海辉

IPC: G06F40/211 ,  G06F40/279 ,  G16H20/10 ,  G16H50/70

Abstract: 本发明公开了一种基于层次序列标注的古代医案处方抽取方法，采用BERT+CRF的层次序列标注网络，包括输入层、特征抽取层、全连接层、药与方剂名预测CRF层、处方预测CRF层。首先，本发明不需要对医案进行分句，直接以完整的医案作为输入，避免了分句造成的错误传播。其次，以序列标注的形式获得处方文本，直接获取最相关的文本片段。最后，在识别过程中考虑了药名和方剂名的信息，增强了处方抽取过程中的特征表示，获得了更好的效果，能够利用少量人工标注的数据来识别古代医案中的处方文本；本发明还设计了一种适用于模型挑选的基于BLEU的评价指标方法，用以量化模型抽取结果与标注结果之间的匹配层度，获取最佳模型。

公开(公告)号：CN108231200A

公开(公告)日：2018-06-29

申请号：CN201810026521.2

申请日：2018-01-11

Applicant: 浙江大学

Inventor： 张引 ,  张锐 ,  田沈晶 ,  熊海辉

IPC: G16H50/70 ,  G06F17/27

Abstract: 本发明公开了一种基于主题模型和ILP的看病攻略生成方法。步骤如下：1)采集疾病知识和用户发布的看病经历数据，从搜狗词库、中医药主题词典、百度百科获取领域知识词典。2)将看病经历数据去重后融合入库。3)利用疾病知识制作疾病的攻略模板，攻略模板包含九大主题版块。4)对看病经历进行实体识别。5)对攻略模板和包含实体的看病经历进行联合主题建模，生成主题‑词分布和主题‑实体分布。6)利用主题‑词分布为每一主题版块选取若干篇看病经历。7)将步骤6)中的看病经历进行分句。8)利用主题‑词分布和主题‑实体分布，进行ILP优化求解，从而得到每种疾病九大主题版块的看病攻略文摘。

公开(公告)号：CN111178047B

公开(公告)日：2021-08-27

申请号：CN201911347473.8

申请日：2019-12-24

Applicant: 浙江大学

Inventor： 张引 ,  熊海辉

IPC: G06F40/211 ,  G06F40/279 ,  G16H20/10 ,  G16H50/70

Abstract: 本发明公开了一种基于层次序列标注的古代医案处方抽取方法，采用BERT+CRF的层次序列标注网络，包括输入层、特征抽取层、全连接层、药与方剂名预测CRF层、处方预测CRF层。首先，本发明不需要对医案进行分句，直接以完整的医案作为输入，避免了分句造成的错误传播。其次，以序列标注的形式获得处方文本，直接获取最相关的文本片段。最后，在识别过程中考虑了药名和方剂名的信息，增强了处方抽取过程中的特征表示，获得了更好的效果，能够利用少量人工标注的数据来识别古代医案中的处方文本；本发明还设计了一种适用于模型挑选的基于BLEU的评价指标方法，用以量化模型抽取结果与标注结果之间的匹配层度，获取最佳模型。