标准症状抽取方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种标准症状抽取方法、装置、电子设备和存储介质，其中方法包括：确定待抽取标准症状的病历文本；提取所述病历文本的病历症状区域特征，并基于所述病历文本的病历症状区域特征和每一标准症状的标准症状特征进行标准症状抽取，得到所述病历文本对应的标准症状抽取结果；其中，所述每一标准症状的标准症状特征是基于知识图谱确定的。本发明专利技术实施例提供的标准症状抽取方法、装置、电子设备和存储介质，提高了标准症状抽取的准确性，同时还降低了标准症状抽取结果的离谱率。

【技术实现步骤摘要】
标准症状抽取方法、装置、电子设备和存储介质
本专利技术涉及自然语言处理
，尤其涉及一种标准症状抽取方法、装置、电子设备和存储介质。
技术介绍
随着深度学习技术的快速发展，基于深度学习的病历结构化方法应运而生。其中，病历中包含的症状信息，是诊断患者所患疾病的重要信息。因此，通过从未结构化的病历中抽取结构化的标准症状信息，能够在辅助诊疗、病历质控等下游任务中起到关键作用。目前，病历的标准症状抽取方法主要包括两种：基于条件随机场(ConditionalRandomField，CRF)的抽取方式，以及基于编码-解码(Encoder-Decoder)模型的抽取方式。然而，基于条件随机场的抽取方式的抽取结果需要利用大量医学规则进行规整，才可得到标准症状，抽取结果的准确性欠佳；而基于编码-解码模型的抽取方式则容易受到病历中大量的无关信息干扰，导致抽取结果的准确性也不足。
技术实现思路
本专利技术实施例提供一种标准症状抽取方法、装置、电子设备和存储介质，用以解决现有标准症状抽取方法准确性欠佳的问题。第一方面，本专利技术本文档来自技高网...

【技术保护点】
1.一种标准症状抽取方法，其特征在于，包括：/n确定待抽取标准症状的病历文本；/n提取所述病历文本的病历症状区域特征，并基于所述病历文本的病历症状区域特征和每一标准症状的标准症状特征进行标准症状抽取，得到所述病历文本对应的标准症状抽取结果；/n其中，所述每一标准症状的标准症状特征是基于知识图谱确定的。/n

【技术特征摘要】
1.一种标准症状抽取方法，其特征在于，包括：
确定待抽取标准症状的病历文本；
提取所述病历文本的病历症状区域特征，并基于所述病历文本的病历症状区域特征和每一标准症状的标准症状特征进行标准症状抽取，得到所述病历文本对应的标准症状抽取结果；
其中，所述每一标准症状的标准症状特征是基于知识图谱确定的。


2.根据权利要求1所述的标准症状抽取方法，其特征在于，所述提取所述病历文本的病历症状区域特征，并基于所述病历文本的病历症状区域特征和每一标准症状的标准症状特征进行标准症状抽取，得到所述病历文本对应的标准症状抽取结果，具体包括：
将所述病历文本输入至标准症状抽取模型，得到所述标准症状抽取模型输出的所述病历文本对应的标准症状抽取结果；
其中，所述标准症状抽取模型是基于样本病历文本、所述样本病历文本对应的样本标准症状，以及所述知识图谱训练得到的；
所述标准症状抽取模型用于提取所述病历文本的病历症状区域特征，并基于所述病历文本的病历症状区域特征和每一标准症状的标准症状特征进行标准症状抽取。


3.根据权利要求2所述的标准症状抽取方法，其特征在于，所述将所述病历文本输入至标准症状抽取模型，得到所述标准症状抽取模型输出的所述病历文本对应的标准症状抽取结果，具体包括：
将所述病历文本输入至所述标准症状抽取模型的病历症状提取层，得到所述病历症状提取层输出的所述病历文本的病历症状区域特征；
将所述病历症状区域特征，以及每一标准症状的标准症状特征输入至所述标准症状抽取模型的注意力层，得到所述注意力层输出的标准症状抽取结果。


4.根据权利要求3所述的标准症状抽取方法，其特征在于，所述将所述病历文本输入至所述标准症状抽取模型的病历症状提取层，得到所述病历症状提取层输出的所述病历文本的病历症状区域特征，具体包括：
将所述病历文本中每一字的字向量输入至所述病历症状提取层的症状识别层，得到所述症状识别层输出的每一字的症状标签；
将所述病历文本中每一字的字向量，以及每一字的症状标签输入至所述病历症状提取层的症状编码层，得到所述症状编码层输出的所述病历症状区域特征。

【专利技术属性】
技术研发人员：甘露，肖飞，胡加学，赵景鹤，贺志阳，
申请(专利权)人：安徽科大讯飞医疗信息技术有限公司，科大讯飞股份有限公司，
类型：发明
国别省市：安徽;34