【技术实现步骤摘要】
一种基于LSTM
‑
CRF的中医临床医案症状命名实体抽取系统
[0001]本专利技术属于中医临床
，具体涉及一种基于LSTM
‑
CRF的中医临床医案症状命名实体抽取系统。
技术介绍
[0002]中医的临床本身是以中医理论为依托，即运用中医理论有效地指导中医临床实践，从诊法到辨证直至选方用药都离不开中医理论。
[0003]随着深度神经网络的发展，深度学习不仅占据了模式识别等领域的统治地位，而且已应用到自然语言处理的各个方面，如中文命名实体识别，在对中医临床医案症状命名进行识别时，构件了内嵌条件随机场的长短时神经网络模型，使用长短时神经网络模型隐含层的上下文向量作为输出层标注的特征，使用内嵌的条件随机场模型表示标注之间的约束关系。
[0004]在智慧医疗的大背景下，促进中医医学的发展已成为国家发展战略，而中医临床医案症状是中医医学的核心之一，也是准确适应“对症下药”措施以及进一步查询和分析的关键，如何从海量中医临床医案症状集中自动识别专有词汇并加以归类，是中医医学数字化发...
【技术保护点】
【技术特征摘要】
1.一种基于LSTM
‑
CRF的中医临床医案症状命名实体抽取系统，其特征在于：包括LSTM
‑
CRF网络模型，所述LSTM
‑
CRF网络模型包括输入层、特征提取层、LSTM层和CRF层；所述输入层用于获取中医临床医案症状的文本信息；所述特征提取层用于对输入的文本信息的每一个字进行特征提取，并制定特征模板；所述LSTM层用于自动提取文字的特征；所述CRF层用于文字级别的序列标注，生成最优标注序列。2.根据权利要求1所述的一种基于LSTM
‑
CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述特征提取层提取的文字特征包括文字的字符特征、字性特征、偏旁部首特征以及字意特征，对输入文字信息的每一个字进行标注，生成单个字的输出特征，所有字的输出特征组成特征序列。3.根据权利要求2所述的一种基于LSTM
‑
CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述特征提取层中，是依据中医临床医案症状类别标签和BMEWO标记法对输入的每一个字进行标注。4.根据权利要求1所述的一种基于LSTM
‑
CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述特征提取层包括两个LSTM深度网络，且两个LSTM深度网络拼接成双向LSTM深度网络。5.根据权利要求4所述的一种基于LSTM
‑
CRF的中医临床医案症状命名实体抽取系统，其特征在于：所述双向LSTM深度网络包括输入门、忘记门和输出门，其中：输入门，根据网络需要制定有用的信息输入，阻断无用的信息输入；忘记门，选择有价值的信息保存在网络中；输出门，控制序列输出对当前标注有用的信息，...
【专利技术属性】
技术研发人员：林丽开，李刚，丁海雁，
申请(专利权)人：南京医路云数字科技研究院有限公司，
类型：发明
国别省市：
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。