【技术实现步骤摘要】
本专利技术基于深度学习技术，研究了一种针对电子病历症状实体属性抽取的方法，通过数据增强的方式获得增强数据集，再结合macbert预训练模型和word2vec获取融合字词特征向量，再通过混合注意力机制的双向门控循环单元，构建出电子病历症状实体属性抽取模型，对电子病历症状实体属性信息进行抽取主要应用于构建知识图谱等方面。
技术介绍
1、在医疗领域，电子病历是一种重要的信息资源，电子病历中存在着许多医疗实体类别，包括症状、治疗、检查、诊断等，其中症状是患者疾病的具体临床表现，对于正确理解疾病当前的发展趋势有重要的意义，所以针对症状实体的症状属性抽取是重中之重。一个稳定、精确的面向电子病历症状实体属性抽取方法，可以辅助医务人员更加简单便捷的获得病人病历信息，做出医疗决策，对后续构建知识图谱、智能问答等也有很高的应用价值。
2、然而，电子病历通常以自然语言的形式存在，对其进行分析和理解需要大量的人力，加之电子病历因有其独特的语言特性，如句子语法结构不完整，模式化较强等，对电子病历症状实体属性抽取难度较大。现有的症状实体属性抽取技术，使...
【技术保护点】
1.一种针对电子病历的症状实体属性抽取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种针对电子病历的症状实体属性抽取方法，其特征在于，所述步骤1中获取电子病历相关数据，经过预处理构建数据集具体包括以下步骤实现：
3.根据权利要求1所述的一种针对电子病历的症状实体属性抽取方法，其特征在于，所述步骤2中统计数据集中症状属性分布情况，经过数据增强获取更多数据集具体包括以下内容：
4.根据权利要求1所述的一种针对电子病历的症状实体属性抽取方法，其特征在于，所述步骤3具体包括以下内容：
5.根据权利要求4所述的一种针...
【技术特征摘要】
1.一种针对电子病历的症状实体属性抽取方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种针对电子病历的症状实体属性抽取方法，其特征在于，所述步骤1中获取电子病历相关数据，经过预处理构建数据集具体包括以下步骤实现：
3.根据权利要求1所述的一种针对电子病历的症状实体属性抽取方法，其特征在于...
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。