CN112885478A - 医疗文献的检索方法、装置、电子设备及存储介质 - Google Patents

医疗文献的检索方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN112885478A
CN112885478A CN202110119598.6A CN202110119598A CN112885478A CN 112885478 A CN112885478 A CN 112885478A CN 202110119598 A CN202110119598 A CN 202110119598A CN 112885478 A CN112885478 A CN 112885478A
Authority
CN
China
Prior art keywords
medical
entity
document
retrieval
literature
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110119598.6A
Other languages
English (en)
Other versions
CN112885478B (zh
Inventor
马文佳
倪渊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202110119598.6A priority Critical patent/CN112885478B/zh
Priority to PCT/CN2021/083825 priority patent/WO2022160454A1/zh
Publication of CN112885478A publication Critical patent/CN112885478A/zh
Application granted granted Critical
Publication of CN112885478B publication Critical patent/CN112885478B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Mathematical Physics (AREA)
  • Public Health (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及自然语言处理技术，揭露一种医疗文献的检索方法，包括：对医疗文献集执行词性识别得到医疗实体待抽取集，从所述医疗实体待抽取集中抽取得到医疗知识图谱集，将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中，接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集，根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。本发明还揭露医疗文献的检索装置、电子设备以及存储介质。本发明可解决医疗文献检索时消耗计算资源，且检索准确率不高的问题。

Description

医疗文献的检索方法、装置、电子设备及存储介质
技术领域
本发明涉及自然语言处理领域，尤其涉及一种医疗文献的检索方法、装置、电子设备及计算机可读存储介质。
背景技术
随着大数据蓬勃发展，医疗文献检索系统需收录更多的医疗文献，如何从海量医疗文献检索系统中，更准确的检索出医疗文献，是当前急需解决的问题。
目前检索方法一般基于传统的关键字检索，如在医疗文献检索系统的检索框中输入癌症治疗共两个关键字，通过与整个系统所收录的医疗文献进行全文对比或题目对比等，检索出与癌症治疗关键字相关的医疗文献。虽然可达到文献检索的目的，但由于关键字检索需在短时间内遍历系统内每个医疗文献，较为消耗计算资源，同时关键字检索的检索准确率，也有待进一步提高。
发明内容
本发明提供一种医疗文献的检索方法、装置、电子设备及计算机可读存储介质，其主要目的在于解决医疗文献检索时消耗计算资源，且检索准确率不高的问题。
为实现上述目的，本发明提供的一种医疗文献的检索方法，包括：
接收医疗文献集，对所述医疗文献集执行词性识别，得到医疗实体待抽取集；
从所述医疗实体待抽取集中抽取得到待优化医疗实体集；
优化所述待优化医疗实体集，得到医疗实体集，利用所述医疗实体集生成医疗实体关系；
将所述医疗实体集及所述医疗实体关系执行信息融合，得到医疗知识图谱集；
将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中；
接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集；
根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。
可选地，所述所述根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集，包括：
从所述医疗知识图谱集中，匹配出与所述检索实体对应的医疗知识图谱；
利用匹配出的所述医疗知识图谱，从所述医疗文献集中检索出对应的一个或多个医疗文献，得到所述待排序医疗文献集。
可选地，所述从所述医疗实体待抽取集中抽取得到待优化医疗实体集，包括：
构建所述医疗实体待抽取集内每组医疗词语的实体概率函数；
求解所述实体概率函数得到实体概率集，利用所述实体概率集，从所述医疗实体待抽取集中抽取得到所述待优化医疗实体集。
可选地，所述优化所述待优化医疗实体集，得到医疗实体集，包括：
计算所述待优化医疗实体集的实体排名值；
利用所述实体排名值，清洗所述待优化医疗实体集，得到所述医疗实体集。
可选地，所述利用所述医疗实体集生成医疗实体关系，包括：
将所述医疗实体集及所述医疗文献集输入至训练完成的BERT模型中；
利用所述BERT模型从所述医疗文献集中抽取待校对文本实体集；
将所述待校对文本实体集与所述医疗实体集执行校对，得到校对实体集，利用所述BERT模型及所述校对实体集，抽取得到所述医疗实体关系。
可选地，所述对所述医疗文献集执行词性识别，得到医疗实体待抽取集，包括：
将所述医疗文献集执行去噪、去停用词及分词处理，得到词性待识别文献集；
利用预训练完成的词性识别模型，对所述词性待识别文献集执行词性识别，得到所述医疗实体待抽取集。
可选地，所述利用预训练完成的词性识别模型，对所述词性待识别文献集执行词性识别，得到所述医疗实体待抽取集，包括：
构建及训练词性识别模型，其中所述词性识别模型包括特征转化层及词性识别层；
接收所述词性待识别文献集，利用所述特征转化层将所述词性待识别文献集转变为待识别文献特征集，利用所述词性识别层对所述待识别文献特征集执行词性识别，得到所述医疗实体待抽取集。
为了解决上述问题，本发明还提供一种医疗文献的检索装置，所述装置包括：
词性识别模块，用于接收医疗文献集，对所述医疗文献集执行词性识别，得到医疗实体待抽取集；
医疗实体关系生成模块，用于从所述医疗实体待抽取集中抽取得到待优化医疗实体集，优化所述待优化医疗实体集，得到医疗实体集，利用所述医疗实体集生成医疗实体关系；
文献存储模块，用于将所述医疗实体集及所述医疗实体关系执行信息融合，得到医疗知识图谱集，将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中；
文献检索模块，用于接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集，根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个指令；及
处理器，执行所述存储器中存储的指令以实现上述中任意一项所述的医疗文献的检索方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，包括存储数据区和存储程序区，存储数据区存储创建的数据，存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现上述中任意一项所述的医疗文献的检索方法。
本发明实施例在执行医疗文献检索之前，通过对接收的医疗文献集，分别执行词性识别、实体抽取及信息融合，构建出医疗知识图谱集，进一步地，将医疗文献集和医疗知识图谱集存储至预构建的医疗文献检索系统中，当用户输入检索词时，本发明实施例通过医疗知识图谱集与检索词的对应关系，可直接索引出与检索词对应的待排序医疗文献集，而并非背景技术中通过与整个系统所收录的医疗文献进行全文对比或题目对比等方式，因此节约了在医疗文献检索过程的计算资源，另外，本发明实施例中，当得到待排序医疗文献集后，根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献，因此可见，本发明实施例中，通过模型进一步分析待排序医疗文献集中每个待排序医疗文献的重要性，从而将跟更重要的医疗文献推送给用户，提高了医疗文献的检索准确率。因此本发明提出的医疗文献的检索方法、装置及计算机可读存储介质，可以解决医疗文献检索时消耗计算资源，且检索准确率不高的问题。
附图说明
图1为本发明一实施例提供的医疗文献的检索方法的流程示意图；
图2为本发明一实施例提供的医疗文献的检索方法中S2的流程示意图；
图3为本发明一实施例提供的医疗文献的检索装置的模块示意图；
图4为本发明一实施例提供的实现医疗文献的检索方法的电子设备的内部结构示意图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种医疗文献的检索方法，所述医疗文献的检索方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述医疗文献的检索方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示，为本发明一实施例提供的医疗文献的检索方法的流程示意图。在本实施例中，所述医疗文献的检索方法包括：
S1、接收医疗文献集，对所述医疗文献集执行词性识别，得到医疗实体待抽取集。
本发明较佳实施例中，所述医疗文献集包括医疗人员提前整理、或利用爬虫程序从网络中爬取得到的，关于疾病描述、诊断流程等学术论文、期刊会议等，如医疗文献集中包括医疗文献A：“淋巴瘤起源于淋巴造血系统的恶性肿瘤，主要症状为无痛性淋巴结肿大，肝脾肿大，全身各组织器官均可受累，伴发热、盗汗、消瘦、瘙痒等”。
医疗文献集中多数医疗文献一般具有不同词性的词语，因此需要提取出不同词性的词语，方便后续进行医疗实体构建。
详细地，所述对所述医疗文献集执行词性识别，得到医疗实体待抽取集，包括：将所述医疗文献集执行去噪、去停用词及分词处理，得到词性待识别文献集；利用预训练完成的词性识别模型，对所述词性待识别文献集执行词性识别，得到所述医疗实体待抽取集。
进一步，由于医疗文献集可能包含非文本数据，例如超链接、网页标签等，会对医疗实体构建产生影响，因此需要对医疗文献集进行执行去噪处理。本发明实施例中，去噪处理可采用基于编程语言为基础构建的正则表达式，完成去除如数字、表情符号以及特殊符号，如URL、“@”、“#”等噪声。
详细地，本发明实施例利用结巴分词方法，对去噪后的医疗文献执行分词，得到与所述医疗文献集对应的多组医疗词语集。
进一步地，停用词指没有实际意义，并对医疗实体构建没有作用的词，由于停用词出现频率高，包括常用的代词、介词等，因此若保留停用词，会对本发明实施例产生计算负担，甚至影响检索医疗文献的准确率，因此需要对所述多组医疗词语集执行去停用词处理。详细地，本发明实施例中，去停用词可采用停用词表过滤法，通过预先构建好的停用词表和所述多组医疗词语集中每个医疗词语进行一一匹配，如果匹配成功，那么该医疗词语则被判断为停用词，则将该词删除。
详细地，所述利用预训练完成的词性识别模型，对所述词性待识别文献集执行词性识别，得到所述医疗实体待抽取集，包括：
步骤A：构建及训练词性识别模型，其中所述词性识别模型包括特征转化层及词性识别层。
进一步地，所述构建及训练词性识别模型，包括：接收训练文本集与所述训练文本集对应的词性标签集，将所述训练文本集执行替换及遮蔽操作，得到半遮蔽文本集；构建词性识别模型，利用所述词性识别模型计算所述半遮蔽文本集的词性预测集；计算所述词性预测集与所述词性标签集的差异值，当所述差异值大于或等于预设阈值时，调整所述词性识别模型的内部参数，直至所述差异值小于所述预设阈值，得到训练完成的词性识别模型。
本发明实施例中，所述词性识别模型主要包括特征转化层及词性识别层。其中所述特征转化层由BERT模型(Bidirectional Encoder Representations fromTransformers)组成，所述词性识别层由CRF(Conditional Random Field，条件随机场)模型组成。
本发明实施例中，所述训练文本集是利用爬虫等手段，预先从网络中爬取并人工清理得到的医疗文献数据。所述词性标签集记录所述训练文本集中每个词语的词性标签，如训练文本集中包括训练文本a：“器官组织异常增殖，呈恶性浸润生长，发生在上皮组织者叫做癌症”，在所述词性标签集中记录了所述训练文本a各词语的词性为：“器官(名词)组织(名词)异常(动词)……”。
本发明较佳实施例将所述训练文本集中70％的词语用预设的符号进行遮蔽(masked token)，保持所述训练文本集剩下30％的词语不变，得到所述半遮蔽文本集。如所述训练文本a：“器官组织异常增殖，呈恶性浸润生长，发生在上皮组织者叫做癌症”，选中“增殖”，若对“增殖”进行遮蔽，则所述训练文本a变为：“器官组织异常[mask]，呈恶性浸润生长，发生在上皮组织者叫做癌症”。
进一步地，所述利用所述词性识别模型计算所述半遮蔽文本集的词性预测集，包括：利用所述特征转化层将所述半遮蔽文本集转化为半遮蔽向量集；利用所述词性识别层，对所述半遮蔽向量集执行词性识别，得到所述词性预测集。
本发明较佳实施例中，采用15层的双向编码(encoer-decoder)的BERT模型，将所述半遮蔽文本集转化为半遮蔽向量集。其中所述双向编码可以是已公开的特征提取神经网络。
进一步地，利用所述CRF模型计算每个词语对应的不同词性的词性概率值，并选择出最大的词性概率值所对应的词性，达到词性预测的目的。
本发明实施例可使用切比雪夫计算法计算所述词性预测集与所述词性标签集的差异值，当所述差异值小于所述预设阈值，得到训练完成的所述词性识别模型。
步骤B：接收所述词性待识别文献集，利用所述特征转化层将所述词性待识别文献集转变为待识别文献特征集，利用所述词性识别层对所述待识别文献特征集执行词性识别，得到所述医疗实体待抽取集。
本发明实施例利用将所述词性待识别文献集转为所述待识别文献特征集，及词性识别所述待识别文献特征集，得到所述医疗实体待抽取集，与上述模型训练步骤相同，这里不再赘述。
综上，当完成上述去噪、去停用词、分词处理及词性识别后，可得到所述医疗实体待抽取集，可见所述医疗实体待抽取集是由若干具有词性信息的医疗词语组成。
S2、从所述医疗实体待抽取集中抽取得到待优化医疗实体集。
详细地，所述医疗实体待抽取集包括所述医疗文献集中涉及的人物、地点、组织机构、时间等实体，如在所述医疗文献集中医疗文献B中：“白血病是造血干细胞恶性克隆性疾病”，则待优化文本实体集包括：“白血病”、“造血干细胞”、“疾病”等。
进一步地，参阅图2所示，所述从所述医疗实体待抽取集中抽取得到待优化医疗实体集，包括：
S21、构建所述医疗实体待抽取集内每组医疗词语的实体概率函数；
S22、求解所述实体概率函数得到实体概率集，利用所述实体概率集，从所述医疗实体待抽取集中抽取得到所述待优化医疗实体集。
本发明实施例中，所述实体概率函数P(Wi)为：
Figure BDA0002921495520000071
其中，W1，W2，...，Wi为所述医疗实体待抽取集内不同的医疗词语，i为编号，m为所述医疗实体待抽取集的数量，
Figure BDA0002921495520000081
表示医疗词语Wi在医疗词语Wi-1为条件下的条件概率，本发明实施例中，可使用马尔科夫模型计算出
Figure BDA0002921495520000082
P(Wi)表示医疗词语Wi对应的实体概率。
进一步地，当得到不同医疗词语所对应的实体概率后，按照从大到小进行排序，得到排序后的实体概率集，根据预设数量，选择出实体概率值所对应的医疗词语，即为所述待优化医疗实体集。
S3、优化所述待优化医疗实体集，得到医疗实体集，利用所述医疗实体集生成医疗实体关系。
详细地，所述优化所述待优化医疗实体集，得到医疗实体集包括：计算所述待优化医疗实体集的实体排名值，利用所述实体排名值，清洗所述待优化医疗实体集，得到所述医疗实体集。
进一步地，利用下述公式，计算所述所述待优化医疗实体集的实体排名值：
T＝αP(si)+(1-α)I
其中，P(si)为所述待优化医疗实体集内待优化医疗实体si对应的实体矩阵，T为待优化医疗实体si对应的所述实体排名值，α为利用pagerank算法计算出的待优化医疗实体si在网页中的跳转概率，I是与所述实体矩阵对应的数值为1的协调矩阵。
当计算得到每个待优化医疗实体的实体排名值后，去除实体排名值小于预设阈值的待优化医疗实体，从而得到所述医疗实体集。
本发明实施例中，利用BERT模型实现所述医疗实体集的实体关系生成，详细地，所述利用所述医疗实体集生成医疗实体关系，包括：将所述医疗实体集及所述医疗文献集输入至训练完成的BERT模型中，利用所述BERT模型从所述医疗文献集中抽取待校对文本实体集，将所述待校对文本实体集与所述医疗实体集执行校对，得到校对实体集，利用所述BERT模型及校对实体集，抽取得到所述医疗实体关系。
本发明实施例中，所述BERT模型在S1中可执行特征转化，同样地可用来进行医疗实体关系抽取，作用不同主要基于训练BERT模型的训练方法不同。另外通过BERT模型从所述医疗文献集中抽取得到所述待校对文本实体集，可能存在偏差，因此需要利用所述医疗实体集执行校正，当得到校正后的校对实体集后，进一步利用所述BERT模型，参照所述校对实体集抽取得到所述医疗实体关系。
如在所述医疗文献集中医疗文献B中：“白血病是造血干细胞恶性克隆性疾病”，则实体关系包括：“克隆”等。
S4、将所述医疗实体集及所述医疗实体关系执行信息融合，得到医疗知识图谱集。
由于词语与词语之间所表达的信息量不同，如词语“特别”与词语“克隆”相比，“克隆”明显会提供更重要的信息量，因此为了有效提取出所述医疗文献集中重要的医疗词语，需执行信息融合构建出医疗知识图谱集，其中医疗知识图谱由三元组信息构成，包括造血干细胞-克隆-白血病、器官组织-异常增殖-癌症等。
S5、将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中。
如在所述医疗文献集中包括医疗文献A、医疗文献B、医疗文献C等，经过上述处理得到医疗文献A有6个医疗知识图谱、医疗文献B有9个医疗知识图谱、医疗文献C有18个医疗知识图谱，则将所述医疗文献集中每个医疗文献及对应的医疗知识图谱，分别存储至所述医疗文献检索系统。其中所述医疗文献检索系统可采用基于Mysql语言构建的数据库。
S6、接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集。
由于用户输入的检索词一般较为简单，如“白血病中的红细胞病变”，本发明实施例中，所述从所述检索词中抽取得到检索实体集，包括：先去除检索词的关键字，并将去除关键字后的检索词执行分词，即得到所述检索实体集。如“白血病中的红细胞病变”执行去除关键字及分词后得到“白血病”、“红细胞”、“病变”等检索实体。
进一步地，所述根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集，包括：从所述医疗知识图谱集中，匹配出与所述检索实体对应的医疗知识图谱，利用匹配出的所述医疗知识图谱，从所述医疗文献集中检索出对应的一个或多个医疗文献，得到所述待排序医疗文献集。
上述用户输入的检索词为“白血病中的红细胞病变”，得到“白血病”、“红细胞”、“病变”三组检索实体，根据三组检索实体从所述医疗知识图谱集中，匹配出包括“红细胞-病变-白血病”、“血红细胞-病变-白血病”、“红细胞-病变-细胞量减少”等医疗知识图谱，从而根据“红细胞-病变-白血病”、“血红细胞-病变-白血病”、“红细胞-病变-细胞量减少”等医疗知识图谱，匹配出相关的医疗文献，即为所述待排序医疗文献集。
S7、根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。
本发明实施例中，所述医疗文献排序模型利用BioBert模型构建(a pre-trainedbiomedical language representation model for biomedical text mining，简称BioBert)，其中BioBert模型是利用生物医疗领域的训练数据集，训练得到的Bert模型。进一步地，其中生物医疗领域的训练数据集包括当前已公开的NER数据集、PubMed语料库。
当得到训练完成的医疗文献排序模型，利用医疗文献排序模型分别计算所述待排序医疗文献集内每个所述待排序医疗文献的得分，并利用得分重排所述待排序医疗文献集，并从中选择预设数量的待排序医疗文献，即为与所述检索词对应的医疗检索文献。
本发明实施例在执行医疗文献检索之前，通过对接收的医疗文献集，分别执行词性识别、实体抽取及信息融合，构建出医疗知识图谱集，进一步地，将医疗文献集和医疗知识图谱集存储至预构建的医疗文献检索系统中，当用户输入检索词时，本发明实施例通过医疗知识图谱集与检索词的对应关系，可直接索引出与检索词对应的待排序医疗文献集，而并非背景技术中通过与整个系统所收录的医疗文献进行全文对比或题目对比等方式，因此节约了在医疗文献检索过程的计算资源，另外，本发明实施例中，当得到待排序医疗文献集后，根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献，因此可见，本发明实施例中，通过模型进一步分析待排序医疗文献集中每个待排序医疗文献的重要性，从而将跟更重要的医疗文献推送给用户，提高了医疗文献的检索准确率。因此本发明提出的医疗文献的检索方法、装置及计算机可读存储介质，可以解决医疗文献检索时消耗计算资源，且检索准确率不高的问题。
如图3所示，是本发明医疗文献的检索装置的模块示意图。
本发明所述医疗文献的检索装置100可以安装于电子设备中。根据实现的功能，所述医疗文献的检索装置可以包括词性识别模块101、医疗实体关系生成模块102、文献存储模块103及文献检索模块104。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述词性识别模块101，用于接收医疗文献集，对所述医疗文献集执行词性识别，得到医疗实体待抽取集；
所述医疗实体关系生成模块102，用于从所述医疗实体待抽取集中抽取得到待优化医疗实体集，优化所述待优化医疗实体集，得到医疗实体集，利用所述医疗实体集生成医疗实体关系；
所述文献存储模块103，用于将所述医疗实体集及所述医疗实体关系执行信息融合，得到医疗知识图谱集，将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中；
所述文献检索模块104，用于接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集，根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。
本发明实施例所提供的医疗文献的检索装置100中的各个模块能够在使用时基于与上述的医疗文献的检索方法采用相同的手段，具体地实施步骤在此不再赘述，关于各模块/单元的功能所产生技术效果与上述的医疗文献的检索方法的技术效果相同的，即解决医疗文献检索时消耗计算资源，且检索准确率不高的问题。
如图4所示，是本发明实现医疗文献的检索方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如医疗文献的检索程序12。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如医疗文献的检索程序12的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行医疗文献的检索程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述总线可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。
可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的医疗文献的检索程序12是多个指令的组合，在所述处理器10中运行时，可以实现：
接收医疗文献集，对所述医疗文献集执行词性识别，得到医疗实体待抽取集；
从所述医疗实体待抽取集中抽取得到待优化医疗实体集；
优化所述待优化医疗实体集，得到医疗实体集，利用所述医疗实体集生成医疗实体关系；
将所述医疗实体集及所述医疗实体关系执行信息融合，得到医疗知识图谱集；
将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中；
接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集；
根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
进一步地，所述计算机可用存储介质可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据区块链节点的使用所创建的数据等。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
接收医疗文献集，对所述医疗文献集执行词性识别，得到医疗实体待抽取集；
从所述医疗实体待抽取集中抽取得到待优化医疗实体集；
优化所述待优化医疗实体集，得到医疗实体集，利用所述医疗实体集生成医疗实体关系；
将所述医疗实体集及所述医疗实体关系执行信息融合，得到医疗知识图谱集；
将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中；
接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集；
根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图表记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种医疗文献的检索方法，其特征在于，所述方法包括：
接收医疗文献集，对所述医疗文献集执行词性识别，得到医疗实体待抽取集；
从所述医疗实体待抽取集中抽取得到待优化医疗实体集；
优化所述待优化医疗实体集，得到医疗实体集，利用所述医疗实体集生成医疗实体关系；
将所述医疗实体集及所述医疗实体关系执行信息融合，得到医疗知识图谱集；
将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中；
接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集；
根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。
2.如权利要求1所述的医疗文献的检索方法，其特征在于，所述根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集，包括：
从所述医疗知识图谱集中，匹配出与所述检索实体对应的医疗知识图谱；
利用匹配出的所述医疗知识图谱，从所述医疗文献集中检索出对应的一个或多个医疗文献，得到所述待排序医疗文献集。
3.如权利要求1所述的医疗文献的检索方法，其特征在于，所述从所述医疗实体待抽取集中抽取得到待优化医疗实体集，包括：
构建所述医疗实体待抽取集内每组医疗词语的实体概率函数；
求解所述实体概率函数得到实体概率集，利用所述实体概率集，从所述医疗实体待抽取集中抽取得到所述待优化医疗实体集。
4.如权利要求1所述的医疗文献的检索方法，其特征在于，所述优化所述待优化医疗实体集，得到医疗实体集，包括：
计算所述待优化医疗实体集的实体排名值；
利用所述实体排名值，清洗所述待优化医疗实体集，得到所述医疗实体集。
5.如权利要求3所述的医疗文献的检索方法，其特征在于，所述利用所述医疗实体集生成医疗实体关系，包括：
将所述医疗实体集及所述医疗文献集输入至训练完成的BERT模型中；
利用所述BERT模型从所述医疗文献集中抽取待校对文本实体集；
将所述待校对文本实体集与所述医疗实体集执行校对，得到校对实体集，利用所述BERT模型及所述校对实体集，抽取得到所述医疗实体关系。
6.如权利要求1所述的医疗文献的检索方法，其特征在于，所述对所述医疗文献集执行词性识别，得到医疗实体待抽取集，包括：
将所述医疗文献集执行去噪、去停用词及分词处理，得到词性待识别文献集；
利用预训练完成的词性识别模型，对所述词性待识别文献集执行词性识别，得到所述医疗实体待抽取集。
7.如权利要求1至6中任意一项所述的医疗文献的检索方法，其特征在于，所述利用预训练完成的词性识别模型，对所述词性待识别文献集执行词性识别，得到所述医疗实体待抽取集，包括：
构建及训练词性识别模型，其中所述词性识别模型包括特征转化层及词性识别层；
接收所述词性待识别文献集，利用所述特征转化层将所述词性待识别文献集转变为待识别文献特征集，利用所述词性识别层对所述待识别文献特征集执行词性识别，得到所述医疗实体待抽取集。
8.一种医疗文献的检索装置，其特征在于，所述装置包括：
词性识别模块，用于接收医疗文献集，对所述医疗文献集执行词性识别，得到医疗实体待抽取集；
医疗实体关系生成模块，用于从所述医疗实体待抽取集中抽取得到待优化医疗实体集，优化所述待优化医疗实体集，得到医疗实体集，利用所述医疗实体集生成医疗实体关系；
文献存储模块，用于将所述医疗实体集及所述医疗实体关系执行信息融合，得到医疗知识图谱集，将所述医疗知识图谱集及所述医疗文献集，按照对应关系存储至预构建的医疗文献检索系统中；
文献检索模块，用于接收用户输入的检索词，从所述检索词中抽取得到检索实体集，根据所述检索实体集，从所述医疗文献检索系统中检索得到待排序医疗文献集，根据预训练完成的医疗文献排序模型，对所述待排序医疗文献集执行排序，得到与所述检索词对应的医疗检索文献。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的医疗文献的检索方法。
10.一种计算机可读存储介质，包括存储数据区和存储程序区，其特征在于，所述存储数据区存储创建的数据，所述存储程序区存储有计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的医疗文献的检索方法。
CN202110119598.6A 2021-01-28 2021-01-28 医疗文献的检索方法、装置、电子设备及存储介质 Active CN112885478B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110119598.6A CN112885478B (zh) 2021-01-28 2021-01-28 医疗文献的检索方法、装置、电子设备及存储介质
PCT/CN2021/083825 WO2022160454A1 (zh) 2021-01-28 2021-03-30 医疗文献的检索方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110119598.6A CN112885478B (zh) 2021-01-28 2021-01-28 医疗文献的检索方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN112885478A true CN112885478A (zh) 2021-06-01
CN112885478B CN112885478B (zh) 2023-07-07

Family

ID=76053086

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110119598.6A Active CN112885478B (zh) 2021-01-28 2021-01-28 医疗文献的检索方法、装置、电子设备及存储介质

Country Status (2)

Country Link
CN (1) CN112885478B (zh)
WO (1) WO2022160454A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114840684A (zh) * 2022-04-25 2022-08-02 平安普惠企业管理有限公司 基于医疗实体的图谱构建方法、装置、设备及存储介质
CN115658851A (zh) * 2022-12-27 2023-01-31 药融云数字科技(成都)有限公司 基于主题的医学文献检索方法、系统、存储介质及终端
CN116110594A (zh) * 2022-12-02 2023-05-12 北京交通大学 基于关联文献的医学知识图谱的知识评价方法及系统
CN116340468A (zh) * 2023-05-12 2023-06-27 华北理工大学 主题文献检索预测方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117316371B (zh) * 2023-11-29 2024-04-16 杭州未名信科科技有限公司 病例报告表的生成方法、装置、电子设备和存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106990973A (zh) * 2017-05-25 2017-07-28 海南大学 一种基于数据图谱、信息图谱和知识图谱架构的价值驱动的服务软件开发方法
CN109509556A (zh) * 2018-11-09 2019-03-22 天津开心生活科技有限公司 知识图谱生成方法、装置、电子设备及计算机可读介质
CN109885660A (zh) * 2019-02-22 2019-06-14 上海乐言信息科技有限公司 一种知识图谱赋能的基于信息检索的问答系统和方法
CN111930962A (zh) * 2020-09-02 2020-11-13 平安国际智慧城市科技股份有限公司 文献数据价值评估方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107808124B (zh) * 2017-10-09 2019-03-26 平安科技（深圳）有限公司 电子装置、医疗文本实体命名的识别方法及存储介质
CN110032648B (zh) * 2019-03-19 2021-05-07 微医云(杭州)控股有限公司 一种基于医学领域实体的病历结构化解析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106990973A (zh) * 2017-05-25 2017-07-28 海南大学 一种基于数据图谱、信息图谱和知识图谱架构的价值驱动的服务软件开发方法
CN109509556A (zh) * 2018-11-09 2019-03-22 天津开心生活科技有限公司 知识图谱生成方法、装置、电子设备及计算机可读介质
CN109885660A (zh) * 2019-02-22 2019-06-14 上海乐言信息科技有限公司 一种知识图谱赋能的基于信息检索的问答系统和方法
CN111930962A (zh) * 2020-09-02 2020-11-13 平安国际智慧城市科技股份有限公司 文献数据价值评估方法、装置、电子设备及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114840684A (zh) * 2022-04-25 2022-08-02 平安普惠企业管理有限公司 基于医疗实体的图谱构建方法、装置、设备及存储介质
CN116110594A (zh) * 2022-12-02 2023-05-12 北京交通大学 基于关联文献的医学知识图谱的知识评价方法及系统
CN116110594B (zh) * 2022-12-02 2024-05-07 北京交通大学 基于关联文献的医学知识图谱的知识评价方法及系统
CN115658851A (zh) * 2022-12-27 2023-01-31 药融云数字科技(成都)有限公司 基于主题的医学文献检索方法、系统、存储介质及终端
CN116340468A (zh) * 2023-05-12 2023-06-27 华北理工大学 主题文献检索预测方法

Also Published As

Publication number Publication date
WO2022160454A1 (zh) 2022-08-04
CN112885478B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN112885478B (zh) 医疗文献的检索方法、装置、电子设备及存储介质
CN109906449B (zh) 一种查找方法及装置
CN111680094B (zh) 文本结构化方法、装置、系统和非易失性存储介质
CN110459321B (zh) 一种基于证素的中医辅助诊断系统
CN113707297A (zh) 医疗数据的处理方法、装置、设备及存储介质
CN113707303A (zh) 基于知识图谱的医疗问题解答方法、装置、设备及介质
CN112256822A (zh) 文本搜索方法、装置、计算机设备和存储介质
CN111460797B (zh) 关键字抽取方法、装置、电子设备及可读存储介质
CN113449187A (zh) 基于双画像的产品推荐方法、装置、设备及存储介质
CN112149409B (zh) 医疗词云生成方法、装置、计算机设备及存储介质
CN110534185A (zh) 标注数据获取方法、分诊方法、装置、存储介质及设备
CN116386800B (zh) 基于预训练语言模型的医疗病历数据分割方法和系统
CN113706322A (zh) 基于数据分析的服务分发方法、装置、设备及存储介质
CN112667775A (zh) 基于关键词提示的检索方法、装置、电子设备及存储介质
CN113111159A (zh) 问答记录生成方法、装置、电子设备及存储介质
CN112507663A (zh) 基于文本的判断题生成方法、装置、电子设备及存储介质
CN112307754B (zh) 语句获取方法及装置
CN113886708A (zh) 基于用户信息的产品推荐方法、装置、设备及存储介质
CN115995281A (zh) 一种基于数据治理的专病数据库的数据检索方法及装置
US11281855B1 (en) Reinforcement learning approach to decode sentence ambiguity
CN112632264A (zh) 智能问答方法、装置、电子设备及存储介质
CN116578704A (zh) 文本情感分类方法、装置、设备及计算机可读介质
CN113343680B (zh) 一种基于多类型病历文本的结构化信息提取方法
CN113065355B (zh) 专业百科命名实体识别方法、系统及电子设备
WO2022227171A1 (zh) 关键信息提取方法、装置、电子设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant