本發(fā)明提出了中醫(yī)醫(yī)案命名實體識別方法。提升中醫(yī)醫(yī)案命名實體識別的準(zhǔn)確性與效率，適用于中醫(yī)醫(yī)案數(shù)據(jù)的數(shù)字化、標(biāo)準(zhǔn)化與智能化處理，進而推動中醫(yī)知識的廣泛應(yīng)用與傳播。

背景技術(shù)：

1、中醫(yī)醫(yī)案作為中醫(yī)理論與實踐的重要記錄，包含了豐富的中醫(yī)知識，是中醫(yī)藥學(xué)術(shù)研究和臨床實踐的寶貴資源。然而，由于中醫(yī)醫(yī)案的文本內(nèi)容往往以自然語言表達，且包含大量專有名詞、古文用語及中醫(yī)專有術(shù)語，導(dǎo)致傳統(tǒng)的自然語言處理技術(shù)難以有效識別和提取其中的關(guān)鍵信息。

2、現(xiàn)有的命名實體識別方法主要基于規(guī)則匹配、統(tǒng)計學(xué)習(xí)或深度學(xué)習(xí)技術(shù)，雖然這些方法在處理一般領(lǐng)域的命名實體識別任務(wù)中表現(xiàn)良好，但在中醫(yī)醫(yī)案領(lǐng)域，由于其特有的語境和復(fù)雜性，仍然存在較大的改進空間。例如，基于規(guī)則匹配的方法在處理中醫(yī)醫(yī)案時，由于規(guī)則編寫復(fù)雜且難以覆蓋所有情況，往往表現(xiàn)不佳；基于統(tǒng)計學(xué)習(xí)的方法則依賴大量標(biāo)注數(shù)據(jù)，但中醫(yī)醫(yī)案領(lǐng)域的標(biāo)注數(shù)據(jù)相對稀缺；而基于深度學(xué)習(xí)的方法雖然具有較強的建模能力，但對語義理解和上下文關(guān)聯(lián)性的捕捉仍有待加強。

3、因此，需能夠充分利用中醫(yī)醫(yī)案文本特征的命名實體識別方法，以提高識別的準(zhǔn)確性和效率，從而推動中醫(yī)醫(yī)案的數(shù)字化、標(biāo)準(zhǔn)化和智能化處理。

技術(shù)實現(xiàn)思路

1、本發(fā)明旨在提供基于注意力特征融合的中醫(yī)醫(yī)案命名實體識別方法，以解決現(xiàn)有技術(shù)中存在的識別準(zhǔn)確性低、特征提取不充分等問題。

2、本發(fā)明的方法主要包括以下步驟：首先，醫(yī)案數(shù)據(jù)集的處理與分析,數(shù)據(jù)集來自于《清宮醫(yī)案研究》，選取600條高質(zhì)量醫(yī)案。對數(shù)據(jù)集進行人工標(biāo)注，并結(jié)合中醫(yī)藥命名實體提取數(shù)據(jù)集和中藥說明書實體識別數(shù)據(jù)集進行數(shù)據(jù)補充。數(shù)據(jù)集包括4個實體類型，分別為疾病(disease)、癥狀(symptom)、方藥(prescription)、劑量(dosage)。將數(shù)據(jù)集按照90％和10％的比例劃分為訓(xùn)練集和驗證集，訓(xùn)練集與驗證集的比例為9:1。對于訓(xùn)練樣本，進行了平移、翻轉(zhuǎn)、調(diào)整飽和度和對比度等一系列數(shù)據(jù)增強操作，以增加模型的泛化能力。本研究使用bio標(biāo)注法，b-x代表實體x的開頭，i-x代表實體x的中間部分，o表示不屬于任何類型的字符。

3、通過albert模型獲取中醫(yī)醫(yī)案文本中的字符和詞匯特征。為了充分利用這些特征，本發(fā)明提出了top-k注意力分數(shù)篩選機制，對字符特征和詞匯特征進行篩選，以保留與命名實體最相關(guān)的特征信息。接著，利用卷積神經(jīng)網(wǎng)絡(luò)(cnn)提取漢字的部首和筆畫特征，這些特征能夠捕捉漢字的細節(jié)信息，并與篩選后的字符和詞匯特征進行拼接。

4、為了進一步提高特征的表達能力，本發(fā)明引入了多尺度通道注意力模塊(ms-cam)，通過對拼接后的特征進行多尺度處理，增強了特征的語義信息表達。融合后的特征輸入到雙向長短期記憶網(wǎng)絡(luò)(bilstm)中，利用其對序列數(shù)據(jù)的建模能力，捕捉中醫(yī)醫(yī)案文本中的上下文信息，最后通過條件隨機場(crf)層對bilstm的輸出結(jié)果進行修正，得到最優(yōu)的標(biāo)簽序列。

5、本發(fā)明的方法不僅能夠有效提升中醫(yī)醫(yī)案命名實體識別的準(zhǔn)確性，還能夠處理多種不同類型的命名實體，具有較強的魯棒性和通用性。

技術(shù)特征：

1.中醫(yī)醫(yī)案命名實體識別方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于注意力特征融合的中醫(yī)醫(yī)案命名實體識別方法，其特征在于，所述步驟一：

3.根據(jù)權(quán)利要求1所述的基于注意力特征融合的中醫(yī)醫(yī)案命名實體識別方法，其特征在于，所述步驟二：

4.根據(jù)權(quán)利要求1所述的基于注意力特征融合的中醫(yī)醫(yī)案命名實體識別方法，其特征在于，所述步驟三：

5.根據(jù)權(quán)利要求1所述的基于注意力特征融合的中醫(yī)醫(yī)案命名實體識別方法，其特征在于，所述步驟四：

6.根據(jù)權(quán)利要求1所述的基于注意力特征融合的中醫(yī)醫(yī)案命名實體識別方法，其特征在于，所述步驟五

7.根據(jù)權(quán)利要求1所述的基于注意力特征融合的中醫(yī)醫(yī)案命名實體識別方法，其特征在于，所述步驟六

技術(shù)總結(jié)
本發(fā)明旨在提供基于部首與字符特征的中醫(yī)命名實體識別方法，包括以下步驟：首先，通過ALBERT模型獲取中醫(yī)醫(yī)案文本中的字符和詞匯特征；本發(fā)明引入一種Top?k注意力分數(shù)篩選機制，對字符特征和詞匯特征進行篩選，使用多尺度通道注意力模塊(MS?CAM)，通過對拼接后的特征進行多尺度處理，增強了特征的語義信息表達。融合后的特征輸入到雙向長短期記憶網(wǎng)絡(luò)(BiLSTM)中，利用其對序列數(shù)據(jù)的建模能力，捕捉中醫(yī)醫(yī)案文本中的上下文信息，最后通過條件隨機場(CRF)層對BiLSTM的輸出結(jié)果進行修正，得到最優(yōu)的標(biāo)簽序列。

技術(shù)研發(fā)人員：陳可澤,王衛(wèi)民
受保護的技術(shù)使用者：江蘇科技大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6