【技术实现步骤摘要】
医学实体的概念识别方法、装置、设备及存储介质
本申请涉及数字医疗
，具体而言，本申请涉及一种医学实体的概念识别方法、装置、设备及存储介质。
技术介绍
生物医学领域中非结构化文本的挖掘和分析任务为医学发展提供了巨大的机遇，然而，词汇和语法变化的多样性为自然语言处理(NLP)技术的发展提出了关键问题。例如，心脏病发作、心肌梗死、心肌梗塞和心血管卒这些医学实体都是指同一个概念，通过将它们与本体或知识库中相应的概念联系起来，消除这些术语的歧义是至关重要的，这一任务称为概念规范化。传统的概念规范化方法通常是通过字符串匹配和字典查找实现，但这种实现方式对于未出现过的医学实体，则无法准确预测其概念。
技术实现思路
本申请的主要目的为提供一种医学实体的概念识别方法、装置、设备及存储介质，以实现准确预测未出现过的医学实体的概念。为了实现上述专利技术目的，本申请提供一种医学实体的概念识别方法，其包括以下步骤：获取文本信息，从所述文本信息中提取出待识别医学实体；将所述待识别医学实体输入预先...
【技术保护点】
1.一种医学实体的概念识别方法，其特征在于，包括以下步骤：/n获取文本信息，从所述文本信息中提取出待识别医学实体；/n将所述待识别医学实体输入预先训练好的bert模型中，利用所述bert模型的候选生成器生成所述待识别医学实体对应的候选概念列表；其中，所述候选生成器用于从知识库中筛选出若干个候选概念，并基于所述候选概念生成候选概念列表；/n利用所述bert模型的候选排序器从所述候选概念列表中筛选出排在前N位的候选概念，得到所述待识别医学实体的目标概念；其中，所述N为大于等于1的正整数，所述候选排序器用于根据预设排序规则对所述候选概念列表中的所有候选概念进行排序。/n
【技术特征摘要】
1.一种医学实体的概念识别方法，其特征在于，包括以下步骤：
获取文本信息，从所述文本信息中提取出待识别医学实体；
将所述待识别医学实体输入预先训练好的bert模型中，利用所述bert模型的候选生成器生成所述待识别医学实体对应的候选概念列表；其中，所述候选生成器用于从知识库中筛选出若干个候选概念，并基于所述候选概念生成候选概念列表；
利用所述bert模型的候选排序器从所述候选概念列表中筛选出排在前N位的候选概念，得到所述待识别医学实体的目标概念；其中，所述N为大于等于1的正整数，所述候选排序器用于根据预设排序规则对所述候选概念列表中的所有候选概念进行排序。
2.根据权利要求1所述的方法，其特征在于，利用所述bert模型的候选生成器生成所述待识别医学实体对应的候选概念列表的步骤，包括：
利用所述候选生成器确定所述待识别医学实体对应的第一隐藏向量及预设的第一权重；
根据所述第一隐藏向量及第一权重计算所述知识库中所有概念分别描述所述待识别医学实体时的评分值；
获取所有概念的独热编码向量，根据所述独热编码向量及评分值计算所有概念的第一标准分类损失值，基于所述第一标准分类损失值确定所述待识别医学实体对应的候选概念列表。
3.根据权利要求2所述的方法，其特征在于，所述基于所述第一标准分类损失值确定所述待识别医学实体对应的候选概念列表的步骤，包括：
利用所有概念的第一标准分类损失值计算各个概念的概念概率；其中，所述概念概率用于表征各个概念属于描述所述待识别医学实体的概念的可能性；
根据所述概念概率从知识库中筛选出若干个候选概念，并基于所述候选概念生成候选概念列表。
4.根据权利要求1所述的方法，其特征在于，利用所述bert模型的候选排序器从所述候选概念列表中筛选出排在前N位的候选概念的步骤，包括：
利用所述bert模型的候选排序器确定所述待识别医学实体对应的第二隐藏向量及预设的第二权重；
将所述候选概念列表中所有候选概念的第二隐藏向量连接形成矩阵；
利用所述矩阵及预设的第二权重计算所述候选概念的第二标准分类损失值；
基于所述第二标准分类损失值的排列顺序，筛选出排在前N位的候选概念。
5.根据权利要求4所述的方法，其特征在于，将所述候选概念列表中所有候选概念的第二隐藏向量连接形成矩阵的步骤，包括：
获取所述候选概念列表中所有候选概念的同义词；
确定所述同义词的隐藏向量，得到第二隐藏向量，将所有候选概念的第二隐藏向量连接形成矩阵。
6.根据权利要求1所述的方法，其特征在于，所述利用所述bert模型的候选排序器从所述候选概念列表中筛选出排在前N位的候选概念的步骤之后，还包括：<...
【专利技术属性】
技术研发人员：于凤英，王健宗，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。