CN113449515A - 一种医学文本的预测方法、预测装置及电子设备 - Google Patents
一种医学文本的预测方法、预测装置及电子设备 Download PDFInfo
- Publication number
- CN113449515A CN113449515A CN202110110184.7A CN202110110184A CN113449515A CN 113449515 A CN113449515 A CN 113449515A CN 202110110184 A CN202110110184 A CN 202110110184A CN 113449515 A CN113449515 A CN 113449515A
- Authority
- CN
- China
- Prior art keywords
- text
- prefix
- texts
- candidate
- word
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000012549 training Methods 0.000 claims description 41
- 238000012360 testing method Methods 0.000 claims description 19
- 239000013598 vector Substances 0.000 claims description 16
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000010200 validation analysis Methods 0.000 claims description 4
- 238000005406 washing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 description 12
- 230000011218 segmentation Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 206010020718 hyperplasia Diseases 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 210000004872 soft tissue Anatomy 0.000 description 2
- 230000008961 swelling Effects 0.000 description 2
- 241000590419 Polygonia interrogationis Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 208000026753 anterior segment dysgenesis Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000004705 lumbosacral region Anatomy 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000001191 orthodromic effect Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/232—Orthographic correction, e.g. spell checking or vowelisation
-
- 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
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Machine Translation (AREA)
Abstract
本公开提供了一种医学文本的预测方法、预测装置及电子设备,预测方法包括:获取前缀文本,所述前缀文本包括N个字符;将所述前缀文本输入至预先训练好的语言模型;输出与所述前缀文本对应的M个候选文本;其中,每个候选文本均能够与前缀文本组合形成医学文本。本公开利用特定场景例如医院下的语言模型,对该场景下的用户如医生输入的前缀文本进行计算,得到多个候选文本,以使医生从M个候选文本中进行筛选出一个候选文本与前缀文本组合成完整文本,准确度较高;无需医生将每个候选文本的拼音串都打出,有效地提高了医生的输入效率。
Description
技术领域
本公开涉及医学智能化技术领域,具体而言,涉及一种医学文本的预测方法、预测装置及电子设备。
背景技术
众所周知的,医生每天的工作量大而繁琐,其中,需要花费很大一部分时间用于书写病历或者影像描述和诊断报告等。并且,医学中的专业词汇,普通输入法很难快速输入,需要翻好几页才能找到医生想要的专业词汇;再加上部分医生输入速度较慢或者容易输入错误,这极大的消耗了医生精力以及降低了输入效率。
针对上述问题,有以下两种方式来解决:第一种方式,在医生对应的医疗设备上预先输入医生专业词汇,虽然在一定程度上提升了医生的输入速度,但是还需要打出大部分词汇的拼音串,效率仍较低;第二种方式,训练语言模型来预测后续词汇,例如统计语言模型n-gram模型,基于马尔可夫假设只考虑前n个词,不能有效地捕获全局语义信息,并且单纯的基于统计频次,泛化能力差,进而导致预测出的后续词汇准确率较低,可见,这也无法有效地提高医生的输入效率。
发明内容
有鉴于此,本公开的目的在于提供一种医学文本的预测方法、预测装置及电子设备,能够有效地提高医生的输入效率。
第一方面,本公开提供了一种医学文本的预测方法,其中,包括:
获取前缀文本,所述前缀文本包括N个字符;
将所述前缀文本输入至预先训练好的语言模型;
输出与所述前缀文本对应的M个候选文本;其中,每个所述候选文本均能够与所述前缀文本组合形成医学文本。
在一种可能的实施方式中,所述语言模型通过以下方式训练:
针对训练样本进行切分,获得词序列,所述词序列由所述训练样本中每个字单元的编号按照预定顺序组成;
在所述词序列中提取词向量;
获取不同的所述词向量之间的关联度;
基于所述关联度获取测试样本;
基于所述测试样本和验证样本确定所述语言模型的模型参数。
在一种可能的实施方式中,在所述针对训练样本进行切分之前,还包括:
获取第一样本集,其中,所述第一样本集为历史医学文本;
对所述第一样本集进行预处理,得到第二样本集;
将所述第二样本集作为所述训练样本。
在一种可能的实施方式中,所述对所述第一样本集进行预处理,得到第二样本集,包括:
针对所述第一样本集中的每个文本进行清洗;
对清洗后的所述第一样本集的所有文本进行泛化处理;
将进行泛化处理之后的所述第一样本集的所有文本中的标点符号进行标准化,得到所述第二样本集。
在一种可能的实施方式中,所述历史医学文本至少包括病历描述文本、影像学描述文本、医生诊断文本中的至少一种。
在一种可能的实施方式中,每个所述字单元为字符、词组以及分词中的一个。
在一种可能的实施方式中,所述输出与所述前缀文本对应的M个候选文本,包括:
判断所述前缀文本是否存在于预设词库中;
在所述前缀文本存在于所述预设词库的情况下并且当N大于1的情况下,确定L个中间文本,其中,L大于等于M;
直到在满足预定条件下,从所述中间文本中确定M个所述候选文本。
在一种可能的实施方式中,所述在所述前缀文本存在于所述预设词库的情况下并且当N大于1的情况下,确定L个中间文本,包括:
基于前缀文本中所述第1至所述第N-1个字符之间每相邻两个字符之间的第一关联度以及第1至第N-1个字符和第N个字符之间的第二关联度,确定Q个候选字符;
确定每个所述候选字符的概率值;
将高于概率阈值的L个所述候选字符与所述前缀文本组成中间文本。
在一种可能的实施方式中,所述预设词库中至少包括医学术语、医生的惯用词汇。
在一种可能的实施方式中,所述获取前缀文本,包括:
实时接收所述医生对应的终端设备发送的前缀文本;所述前缀文本为所述医生基于所述终端设备的输入装置输入的。
在一种可能的实施方式中,所述输出与所述前缀文本对应的M个候选文本,包括:
将M个所述候选文本发送给所述终端设备;
控制所述终端设备显示M个所述候选文本。
第二方面,本公开还提供了一种预测装置,其中,包括:
获取模块,用于获取前缀文本,所述前缀文本包括N个字符;
输入模块,用于将所述前缀文本输入至预先训练好的语言模型;
输出模块,用于输出与所述前缀文本对应的M个候选文本;其中,每个所述候选文本均能够与所述前缀文本组合形成医学文本。
第三方面,本公开还提供了一种电子设备,其中,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如所述的预测方法的步骤。
本公开利用特定场景例如医院下的语言模型,对该场景下的用户如医生输入的前缀文本进行计算,得到多个候选文本,以使医生从M个候选文本中进行筛选出一个候选文本与前缀文本组合成完整文本,准确度较高;无需医生将每个候选文本的拼音串都打出,有效地提高了医生的输入效率。
为使本公开的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本公开或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1示出了本公开所提供的一种预测方法的流程图;
图2示出了本公开所提供的一种预测方法中终端设备的展示界面;
图3示出了本公开所提供的一种预测方法中输出与前缀文本对应的M个候选文本的流程图;
图4示出了本公开所提供的一种预测方法中确定L个中间文本的流程图;
图5示出了本公开所提供的一种预测方法中语言模型的训练方法的流程图;
图6示出了本公开所提供的一种预测装置的结构示意图;
图7示出了本公开所提供的电子设备的结构示意图。
具体实施方式
为了使得本公开的目的、技术方案和优点更加清楚,下面将结合本公开的附图,对本公开的技术方案进行清楚、完整地描述。显然,所描述的实施例是本公开的一部分实施例,而不是全部的实施例。基于所描述的本公开的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本公开保护的范围。
除非另外定义,本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
为了保持本公开的以下说明清楚且简明,本公开省略了已知功能和已知部件的详细说明。
需要说明的是,本公开提供的预测方法虽然是针对医学场景设计的,但本领域技术人员应知晓的是,该预测方法可以适用于任何场景下的语言预测,针对具有特殊性的场景效果更佳。为便于对本公开进行理解,首先对本公开所公开的一种预测方法进行详细介绍。
本公开第一方面提供了一种医学文本的预测方法,图1示出了本公开以服务器或处理器为执行主体时预测方法的流程图,具体步骤如下:
S101,获取前缀文本,前缀文本包括N个字符。
这里,医生需要在终端设备上通过输入装置录入病历或者影像描述和诊断报告,例如电脑、医院的特定医疗设备等,其中,输入装置包括鼠标、键盘以及触控屏幕等。
在医生进行录入的过程中,实时获取医生在终端设备上输入的前缀文本。其中,该前缀文本包括N个字符,也即该前缀文本可以是一个字、一个词汇甚至是一个句子等。
S102,将前缀文本输入至预先训练好的语言模型。
在获取到医生输入的前缀文本之后,基于前缀文本,利用预设算法来预测前缀文本后可能出现的字、词汇甚至句子等。优选地,该预设算法为预先训练好的模型,当然,也可以是由一系列的计算公式组成的,本公开实施例对此不做具体限定。
本公开实施例中的语言模型包括AWD-LSTM(ASGD Weight-Dropped LSTM)神经网络,当然还可以包括其他的算法等。
S103,输出与前缀文本对应的M个候选文本;其中,每个候选文本均能够与前缀文本组合形成医学文本。
具体地,利用语言模型计算出的结果通常为多个,也即语言模型对输入的前缀文本进行计算之后,输出与该前缀文本对应的M个候选文本。
本公开实施例中利用语言模型确定出M个候选文本,以使医生从M个候选文本中进行筛选出一个候选文本与前缀文本组合成完整文本。在具体实施中,可以将M个候选文本发送给医生对应的终端设备,并控制该终端设备展示该M个候选文本,如图2示出的界面,以供医生进行选择。
其中,该候选文本也可以是一个字、一个词汇甚至是一个句子等。
本公开利用特定场景例如医院下的语言模型,对该场景下的用户如医生输入的前缀文本进行计算,得到多个候选文本,以使医生从M个候选文本中进行筛选出一个候选文本与前缀文本组合成完整文本,准确度较高;无需医生将每个候选文本的拼音串都打出,有效地提高了医生的输入效率。
进一步地,图3示出了输出与前缀文本对应的M个候选文本的方法流程图,包括S301-S303。
S301,判断前缀文本是否存在于预设词库中。
这里,该预设词库为根据该语言模型使用的特定场景预先建立的,例如,在医院场景下,该预设词库可以包括所有的医学术语、医生的惯用词汇等。
在获取到当前的前缀文本之后,优选地提取出前缀文本中的最后一个字符,若前缀文本仅包含一个字符,则该字符便为前缀文本中最后一个字符;若前缀文本包含多个字符,则查看前缀文本中每个字符的生成时刻,选取生成时刻与当前时刻之间间隔最短的字符作为前缀文本中最后一个字符,当然,还可以通过其他方式来确定包含多个字符的前缀文本中的最后一个字符。
在确定出前缀文本中最后一个字符之后,将该最后一个字符与预设词库中的每个预设字符进行匹配,以确定前缀文本中最后一个字符是否存在于预设词库中。
当然,还可以是提取出前缀文本中的预设个数的字符或每个字符等。在提取出前缀文本中的预设个数的字符或每个字符的情况下,可以设定一定的规则来判断前缀文本是否存在与预设词库,例如,预设个数的字符中超过80%的字符均存在于预设词库中,则确定该前缀文本存在预设词库中等。
S302,在前缀文本存在于预设词库的情况下并且当N大于1的情况下,确定L个中间文本,其中,L大于等于M。
这里,在确定前缀文本存在于预设词库之后,也即表明医生输入的前缀文本属于当前场景下,此时,进一步确定前缀文本的字符个数N是否大于1,并在确定前缀文本的字符个数N大于1的情况下,利用当前场景对应的语言模型来确定L个中间文本。
值得说明的是,在具体实施中预先针对不同的使用场景匹配不同的预设词库和语言模型,进而能够提高语言模型的准确度,也即语言模型预测的候选文本的准确度。
另外,在确定前缀文本未存在于预设词库的情况下,例如医生输入的前缀文本中存在错误的字符等,此时,则语言模型对前缀文本不进行预测,也即不对前缀文本进行计算;优选地,生成提示信息并展示,以使医生根据提示信息对前缀文本进行检查、纠错等。
具体地,按照图4示出的方法步骤来确定L个中间文本,具体包括以下步骤:
S401,基于前缀文本中第1至第N-1个字符和第N个字符之间的第一关联度以及第1至第N-1个字符之间每相邻两个字符之间的第二关联度,确定Q个候选字符。
为了提高预测的准确性,语言模型计算第1至第N-1个字符之间每相邻两个字符之间的第一关联度,进而在一定程度上了解到该前缀文本的语境。
并且,语言模型计算前缀文本中第1至第N-1个字符和第N个字符之间的第二关联度,进而基于第一关联度和第二关联度确定Q个候选字符,该候选字符与第N个字符相邻的第N+1个字符。
这里,由于语言模型是针对当前场景针对性设计的,因此,语言模型中包含一定程度的语境,以及每个语境下每两个字符之间的关联度等,因此,即使在前缀文本的字符数N等于1的情况下,也能够确保计算得到的候选字符的准确度。
S402,确定每个候选字符的概率值。
在计算得到Q个候选字符的同时,还能够确定出每个候选字符的概率值,其表示医生在前缀文本后要输入该候选字符的概率值。
S403,将高于概率阈值的L个候选字符与前缀文本组成中间文本。
将每个候选字符的概率值与概率阈值进行对比,将高于概率阈值的L个候选字符与前缀文本组成中间文本,也即得到L个中间文本。
当然,还可以是将Q个候选字符按照概率值从高到低的顺序进行排列,并从高到低选取L个候选字符,本公开实施例对此不做具体限定。
这里,在前缀文本的字符个数N等于1的情况下,直接利用语言模型对第N个编辑字符进行计算,得到L个中间文本。其中,该第N个编辑字符即为前缀文本中唯一的字符。
基于上述可知,在前缀文本的字符个数大于1的情况下,能够基于语言模型了解到前缀文本的语境,进而使得计算得到的候选字符甚至中间文本更加准确。
S303,直到在满足预定条件下,从中间文本中确定M个候选文本。
按照S401-S403的步骤,可以依次计算出候选文本中的每个字符,进而得到多个中间文本。其中,在确定中间文本中包含的字符个数达到预设阈值或候选字符为预设符号例如句号等的情况下,确定该中间文本结束。之后,根据该中间文本中的每个候选字符的概率值确定该中间文本的概率值,再基于中间文本的概率值从大到小依次选取出M个中间文本,将M个中间文本作为M个候选文本,也即将概率值较高的M个中间文本作为M个候选文本。
例如,前缀文本为A1A2,利用语言模型可能计算出的中间文本包括A1A2B1C1、A1A2B1C2、A1A2B1C3、A1A2B2C4、A1A2B2C5、A1A2B2C6、A1A2B3C7、A1A2B3C8、A1A2B3C9,基于每个中间文本对应的概率值确定A1A2B1C1、A1A2B2C5、A1A2B2C6为上述中间文本中概率值较高的三个中间文本,则将该三个中间文本作为候选文本;可知,该实例中L为9,M为3。当然,实际进行计算时,并不限定L为9,M为3,可以根据实际需求进行设定,尤其是M的值,在允许的情况下,例如展示M个候选文本的终端设备足够大等,M的值越大,也即展示的候选文本的数量越多,M个候选文本中存在医生想要在前缀文本后输入的候选文本的概率就越大,进而能够提高好医生的输入效率。
值得说明的是,M个候选文本中每个候选文本的字符数相同或不同。
例如,预先设置M的值为5,获取到的前缀文本为腰椎体时,利用预测算法计算得到的候选文本如下:
顺列,生理曲度自然,诸椎体结构及形态正常。
顺列,生理曲度自然,诸椎体结构及形态完整,未见明确骨折及脱位,椎间隙正常。
顺列,生理曲度自然,诸椎体结构及形态正常,诸椎体未见明显骨折及脱位,椎间隙正常。
前缘及侧缘可见唇样增生,各关节间隙正常,软组织无肿胀,未见异常。
前缘及侧缘可见唇样增生,各关节间隙正常,软组织无肿胀。
进一步地,本公开实施例还提供了语言模型的训练方法,具体参照图5示出的步骤S501-S505。
S501,针对训练样本进行切分,获得词序列,词序列由训练样本中每个字单元的编号按照预定顺序组成。
S502,在词序列中提取词向量。
S503,获取不同的词向量之间的关联度。
S504,基于关联度获取测试样本。
S505,基于测试样本和验证样本确定语言模型的模型参数。
在对语言模型进行训练之前,需要先获取到一定数量的训练样本,具体地:获取第一样本集,其中,第一样本集是从医院特定场景下的数据中提取出来的,例如从医院的放射科、病理科、超声科的影像学报告数据中提取影像报告描述和医生针对影像做出的诊断结果等文本数据。所述第一样本集可以是历史医学文本,所述历史医学文本至少包括病历描述文本、影像学描述文本、医生诊断文本中的至少一种。
考虑到从医院或其他场景下获取到的第一样本集也即数据量较大,会导致模型训练的过程较慢;并且获取到的第一样本集相当于原始数据,其可能存在错别字、影响模型训练的符号等;因此,对第一样本集进行预处理以得到第二样本集,进而利用第二样本集中的多个文本样本进行模型训练。
其中,对医院场景下获取到的第一样本集进行预处理的过程如下:
针对第一样本集中的每个文本,例如每条报告描述及诊断,附加一个ID值,也即附加一个唯一值,其可以用原始数据表中的键值如studyinfo_uid+报告类型的形式来表示,以保证和患者信息的对应,报告描述及诊断按患者粒度作为段落存储,中间不做切分;对每个文本进行初步的正则等预处理清洗。之后,对清洗后的文本做泛化处理,具体地,将文本中出现的如数字、长度、面积、体积、数字字母组合等内容用特定符号如$time$、$length$、$tag$等进行替换,以降低数据的稀疏程度;以及多个相同标签用特定符号(如顿号、逗号、空格、“和”、“或”、“及”、连字符)连接的情况,替换为一个标签,如:“$tag$”等。为了避免文本中标点符号对模型训练的影响,进一步地,还将标点符号进行标准化,本公开实施例中为将标点符号统一,句号、问号、叹号,均统一替换为句号,以减少模型训练时标点符号产生的影响,其他符号保留,如顿号、逗号、引号等。
到此,对第一样本集的预处理结束,也即得到了第二样本集。
进而,将第二样本集包括的文本样本作为训练样本对语言模型进行训练。
将每个训练样本进行切分,得到词序列;其中,词表包括多个字符数为1的字样本,并且词序列由训练样本中每个字单元的编号按照预定顺序组成。
其中,每个字单元为字符、词组以及分词中的一个。具体地,将每个训练样本进行char级别的切分,也即将训练样本切分为单个的字符,得到词序列,该词序列中则包括多个字符数为1的字样本,并将每个字样本作为神经网络的输入。这里,利用LSTM的char级别的特征抽取能力,能够避免词组级别中分词阶段可能引入的分词错误。当然,也可以进行word、subword级别的切分,并将进行word级别切分得到的词组或进行subword级别切分得到的分词作为神经网络的输入以训练语言模型,对比来说,利用char级别切分到的单个字符训练得到的语言模型准确度较高,但利用word、subword级别切分到的词组、分词对语言模型进行训练的速度较快。
其中,也可以将该词序列直接作为预设词库,在词序列作为预设词库时,其包括的字样本越多,该语言模型的准确度越高。
进一步地,在得到词序列中的每个字样本之后,对词序列进行过滤,将词序列中不属于当前应用场景的字样本或错误的字样本删除,以确保训练得到的语言模型具有较高的准确度。
之后,在词序列中提取词向量,也即将词序列中每个字样本转换为词向量。具体地,语言模型中包括Embedding层,该Embedding层能够将每个字样本转换为词向量,以使得语言模型能够进行一步地对词样本进行计算。
进一步地,基于所有词向量确定不同的词向量之间的关联度,也即每两个字样本之间的关联度,也即确定每两个字样本之间的紧密程度,组合起来形成一个完整词组的概率。
基于关联度对字样本进行计算,确定该字样本对应的测试样本。具体地,本公开实施例的语言模型中引入Drop Connect,以避免会破坏LSTM长期依赖能力;并且通过hidden-to-hidden权重矩阵随机的将字样本中的一部分丢掉,可以避免LSTM循坏连接中的过度拟合问题,还可以提高训练速度。其中,扔掉的字样本数量基于预先设定的一轮训练中使用的字样本的数量决定。进而,利用语言模型当前的模型参数对剩余的字样本进行计算,得到每个字样本对应的测试样本。
在得到每个字样本对应的测试样本之后,将每个字样本对应的测试样本与每个字样本对应的验证样本进行对比,在测试样本和验证样本之间的误差大于或等于预设阈值时,利用优化器对语言模型当前的模型参数进行调整,之后利用调整了模型参数的语言模型再次执行步骤504,直至测试样本和验证样本之间的误差小于预设阈值,确定语言模型训练结束。
其中,在训练的过程中,可以设置测试样本的长度的最大值,也即设置语言模型针对输入的字样本预测出的测试样本中字符的个数的上限,例如,设置测试样本的长度的最大值为30,也即,语言模型最多可以预测出30个字符。其中,存在预测的过程中,在未预测出30个字符之前,预测到句号这个字符,便结束本次的预测。例如,针对“腰椎体”进行预测时,预测到“顺列,生理曲度自然,诸椎体结构及形态正常。”,此时,预测中出现句号,但当前未达到30个字符,此时,也不再进行预测。
本公开利用特定场景例如医院下的语言模型,对该场景下的用户如医生输入的前缀文本进行计算,得到多个候选文本,以使医生从M个候选文本中进行筛选出一个候选文本与前缀文本组合成完整文本,准确度较高;无需医生将每个候选文本的拼音串都打出,有效地提高了医生的输入效率。
基于同一发明构思,本公开的第二方面还提供了一种与预测方法对应的预测装置,由于本公开中的装置解决问题的原理与本公开上述预测方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
参见图6所示,预测装置包括:
获取模块601,用于获取前缀文本,所述前缀文本包括N个字符;
输入模块602,用于将所述前缀文本输入至预先训练好的语言模型;
输出模块603,用于输出与所述前缀文本对应的M个候选文本;其中,每个所述候选文本均能够与所述前缀文本组合形成医学文本。
在又一实施例中,预测装置还包括训练模块604,所述训练模块用于:
针对训练样本进行切分,获得词序列,所述词序列由所述训练样本中每个字单元的编号按照预定顺序组成;
在所述词序列中提取词向量;
获取不同的所述词向量之间的关联度;
基于所述关联度获取测试样本;
基于所述测试样本和验证样本确定所述语言模型的模型参数。
在又一实施例中,所述训练模块604还用于:
获取第一样本集,其中,所述第一样本集为历史医学文本;
对所述第一样本集进行预处理,得到第二样本集;
将所述第二样本集作为所述训练样本。
在又一实施例中,所述训练模块604对所述第一样本集进行预处理,得到第二样本集时,具体用于:
针对所述第一样本集中的每个文本进行清洗;
对清洗后的所述第一样本集的所有文本进行泛化处理;
将进行泛化处理之后的所述第一样本集的所有文本中的标点符号进行标准化,得到所述第二样本集。
在又一实施例中,所述获取模块601包括:
判断单元,用于判断所述前缀文本是否存在于预设词库中;
第一确定单元,用于在所述前缀文本存在于所述预设词库的情况下并且当N大于1的情况下,确定L个中间文本,其中,L大于等于M;
第二确定单元,用于直到在满足预定条件下,从所述中间文本中确定M个所述候选文本。
在又一实施例中,所述第一确定单元具体用于:
基于前缀文本中所述第1至所述第N-1个字符之间每相邻两个字符之间的第一关联度以及第1至第N-1个字符和第N个字符之间的第二关联度,确定Q个候选字符;
确定每个所述候选字符的概率值;
将高于概率阈值的L个所述候选字符与所述前缀文本组成中间文本。
在又一实施例中,获取模块601在获取前缀文本时,具体用于:
实时接收所述医生对应的终端设备发送的前缀文本;所述前缀文本为所述医生基于所述终端设备的输入装置输入的。
在又一实施例中,输出模块603在输出与所述前缀文本对应的M个候选文本时,具体用于:
将M个所述候选文本发送给所述终端设备;
控制所述终端设备显示M个所述候选文本。
本公开利用特定场景例如医院下的语言模型,对该场景下的用户如医生输入的前缀文本进行计算,得到多个候选文本,以使医生从M个候选文本中进行筛选出一个候选文本与前缀文本组合成完整文本,准确度较高;无需医生将每个候选文本的拼音串都打出,有效地提高了医生的输入效率。
本公开的第三方面还提供了一种电子设备,如图7所示,该电子设备至少包括存储器701和处理器702,存储器701上存储有计算机程序,处理器702在执行存储器701上的计算机程序时实现本公开任意实施例提供的方法。示例性的,电子设备计算机程序执行的方法如下:
S11,获取前缀文本,所述前缀文本包括N个字符;
S12,将所述前缀文本输入至预先训练好的语言模型;
S13,输出与所述前缀文本对应的M个候选文本;其中,每个所述候选文本均能够与所述前缀文本组合形成医学文本。
处理器在执行存储器上存储的预测方法时,还执行如下计算机程序:针对训练样本进行切分,获得词序列,所述词序列由所述训练样本中每个字单元的编号按照预定顺序组成;在所述词序列中提取词向量;获取不同的所述词向量之间的关联度;基于所述关联度获取测试样本;基于所述测试样本和验证样本确定所述语言模型的模型参数。
处理器在执行存储器上存储的针对训练样本进行切分之前,还执行如下计算机程序:获取第一样本集,其中,所述第一样本集为历史医学文本;对所述第一样本集进行预处理,得到第二样本集;将所述第二样本集作为所述训练样本。
处理器在执行存储器上存储的对所述第一样本集进行预处理,得到第二样本集时,还执行如下计算机程序:针对所述第一样本集中的每个文本进行清洗;对清洗后的所述第一样本集的所有文本进行泛化处理;将进行泛化处理之后的所述第一样本集的所有文本中的标点符号进行标准化,得到所述第二样本集。
处理器在执行存储器上存储的输出与所述前缀文本对应的M个候选文本时,还执行如下计算机程序:判断所述前缀文本是否存在于预设词库中;在所述前缀文本存在于所述预设词库的情况下并且当N大于1的情况下,确定L个中间文本,其中,L大于等于M;直到在满足预定条件下,从所述中间文本中确定M个所述候选文本。
处理器在执行存储器上存储的在所述前缀文本存在于所述预设词库的情况下并且当N大于1的情况下,确定L个中间文本时,还执行如下计算机程序:基于前缀文本中所述第1至所述第N-1个字符之间每相邻两个字符之间的第一关联度以及第1至第N-1个字符和第N个字符之间的第二关联度,确定Q个候选字符;确定每个所述候选字符的概率值;将高于概率阈值的L个所述候选字符与所述前缀文本组成中间文本。
处理器在执行存储器上存储的获取前缀文本时,还执行如下计算机程序:实时接收所述医生对应的终端设备发送的前缀文本;所述前缀文本为所述医生基于所述终端设备的输入装置输入的。
处理器在执行存储器上存储的输出与所述前缀文本对应的M个候选文本时,还执行如下计算机程序:将M个所述候选文本发送给所述终端设备;控制所述终端设备显示M个所述候选文本。
本公开利用特定场景例如医院下的语言模型,对该场景下的用户如医生输入的前缀文本进行计算,得到多个候选文本,以使医生从M个候选文本中进行筛选出一个候选文本与前缀文本组合成完整文本,准确度较高;无需医生将每个候选文本的拼音串都打出,有效地提高了医生的输入效率。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(LAN)、广域网(WAN)、网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述存储介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取至少两个网际协议地址;向节点评价设备发送包括至少两个网际协议地址的节点评价请求,其中,节点评价设备从至少两个网际协议地址中,选取网际协议地址并返回;接收节点评价设备返回的网际协议地址;其中,所获取的网际协议地址指示内容分发网络中的边缘节点。
或者,上述存储介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:接收包括至少两个网际协议地址的节点评价请求;从至少两个网际协议地址中,选取网际协议地址;返回选取出的网际协议地址;其中,接收到的网际协议地址指示内容分发网络中的边缘节点。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
需要说明的是,本公开上述的存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何存储介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本邻域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外,虽然采用特定次序描绘了各操作,但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下,多任务和并行处理可能是有利的。同样地,虽然在上面论述中包含了若干具体实现细节,但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地,在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题,但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反,上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。
以上对本公开多个实施例进行了详细说明,但本公开不限于这些具体的实施例,本邻域技术人员在本公开构思的基础上,能够做出多种变型和修改实施例,这些变型和修改都应落入本公开所要求保护的范围之内。
Claims (13)
1.一种医学文本的预测方法,其特征在于,包括以下步骤:
获取前缀文本,所述前缀文本包括N个字符;
将所述前缀文本输入至预先训练好的语言模型;
输出与所述前缀文本对应的M个候选文本;其中,每个所述候选文本均能够与所述前缀文本组合形成医学文本。
2.根据权利要求1的预测方法,其特征在于,所述语言模型通过以下方式训练:
针对训练样本进行切分,获得词序列,所述词序列由所述训练样本中每个字单元的编号按照预定顺序组成;
在所述词序列中提取词向量;
获取不同的所述词向量之间的关联度;
基于所述关联度获取测试样本;
基于所述测试样本和验证样本确定所述语言模型的模型参数。
3.根据权利要求2的预测方法,其特征在于,在所述针对训练样本进行切分之前,还包括:
获取第一样本集,其中,所述第一样本集为历史医学文本;
对所述第一样本集进行预处理,得到第二样本集;
将所述第二样本集作为所述训练样本。
4.根据权利要求3的预测方法,其特征在于,所述对所述第一样本集进行预处理,得到第二样本集,包括:
针对所述第一样本集中的每个文本进行清洗;
对清洗后的所述第一样本集的所有文本进行泛化处理;
将进行泛化处理之后的所述第一样本集的所有文本中的标点符号进行标准化,得到所述第二样本集。
5.根据权利要求3的预测方法,其特征在于,所述历史医学文本至少包括病历描述文本、影像学描述文本、医生诊断文本中的至少一种。
6.根据权利要求2的预测方法,其特征在于,每个所述字单元为字符、词组以及分词中的一个。
7.根据权利要求1的预测方法,其特征在于,所述输出与所述前缀文本对应的M个候选文本,包括:
判断所述前缀文本是否存在于预设词库中;
在所述前缀文本存在于所述预设词库的情况下并且当N大于1的情况下,确定L个中间文本,其中,L大于等于M;
直到在满足预定条件下,从所述中间文本中确定M个所述候选文本。
8.根据权利要求7的预测方法,其特征在于,所述在所述前缀文本存在于所述预设词库的情况下并且当N大于1的情况下,确定L个中间文本,包括:
基于前缀文本中所述第1至所述第N-1个字符之间每相邻两个字符之间的第一关联度以及第1至第N-1个字符和第N个字符之间的第二关联度,确定Q个候选字符;
确定每个所述候选字符的概率值;
将高于概率阈值的L个所述候选字符与所述前缀文本组成中间文本。
9.根据权利要求7的预测方法,其特征在于,所述预设词库中至少包括医学术语、医生的惯用词汇。
10.根据权利要求1的预测方法,其特征在于,所述获取前缀文本,包括:
实时接收所述医生对应的终端设备发送的前缀文本;所述前缀文本为所述医生基于所述终端设备的输入装置输入的。
11.根据权利要求10的预测方法,其特征在于,所述输出与所述前缀文本对应的M个候选文本,包括:
将M个所述候选文本发送给所述终端设备;
控制所述终端设备显示M个所述候选文本。
12.一种医学文本的预测装置,其特征在于,包括:
获取模块,用于获取前缀文本,所述前缀文本包括N个字符;
输入模块,用于将所述前缀文本输入至预先训练好的语言模型;
输出模块,用于输出与所述前缀文本对应的M个候选文本;其中,每个所述候选文本均能够与所述前缀文本组合形成医学文本。
13.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如权利要求1至11任意一项所述的医学文本的预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110110184.7A CN113449515A (zh) | 2021-01-27 | 2021-01-27 | 一种医学文本的预测方法、预测装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110110184.7A CN113449515A (zh) | 2021-01-27 | 2021-01-27 | 一种医学文本的预测方法、预测装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113449515A true CN113449515A (zh) | 2021-09-28 |
Family
ID=77808874
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110110184.7A Pending CN113449515A (zh) | 2021-01-27 | 2021-01-27 | 一种医学文本的预测方法、预测装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113449515A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281649A (zh) * | 2014-09-09 | 2015-01-14 | 北京搜狗科技发展有限公司 | 一种输入方法、装置及电子设备 |
CN105917327A (zh) * | 2013-12-11 | 2016-08-31 | 触摸式有限公司 | 用于将文本输入到电子设备中的系统和方法 |
CN106843523A (zh) * | 2016-12-12 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 基于人工智能的文字输入方法和装置 |
CN107273503A (zh) * | 2017-06-19 | 2017-10-20 | 北京百度网讯科技有限公司 | 用于生成同语言平行文本的方法和装置 |
CN107621891A (zh) * | 2017-09-28 | 2018-01-23 | 北京新美互通科技有限公司 | 一种文本输入方法、装置及电子设备 |
CN108108428A (zh) * | 2017-12-18 | 2018-06-01 | 苏州思必驰信息科技有限公司 | 一种构建语言模型的方法、输入法及系统 |
CN109657071A (zh) * | 2018-12-13 | 2019-04-19 | 北京锐安科技有限公司 | 词汇预测方法、装置、设备和计算机可读存储介质 |
CN109948159A (zh) * | 2019-03-15 | 2019-06-28 | 合肥讯飞数码科技有限公司 | 一种文本数据生成方法、装置、设备及可读存储介质 |
CN110187780A (zh) * | 2019-06-10 | 2019-08-30 | 北京百度网讯科技有限公司 | 长文本预测方法、装置、设备和存储介质 |
CN110597956A (zh) * | 2019-09-09 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种搜索方法、装置及存储介质 |
CN110673748A (zh) * | 2019-09-27 | 2020-01-10 | 北京百度网讯科技有限公司 | 输入法中候选长句的提供方法及装置 |
CN112052649A (zh) * | 2020-10-12 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 文本生成方法、装置、电子设备及存储介质 |
-
2021
- 2021-01-27 CN CN202110110184.7A patent/CN113449515A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105917327A (zh) * | 2013-12-11 | 2016-08-31 | 触摸式有限公司 | 用于将文本输入到电子设备中的系统和方法 |
CN104281649A (zh) * | 2014-09-09 | 2015-01-14 | 北京搜狗科技发展有限公司 | 一种输入方法、装置及电子设备 |
CN106843523A (zh) * | 2016-12-12 | 2017-06-13 | 百度在线网络技术(北京)有限公司 | 基于人工智能的文字输入方法和装置 |
CN107273503A (zh) * | 2017-06-19 | 2017-10-20 | 北京百度网讯科技有限公司 | 用于生成同语言平行文本的方法和装置 |
CN107621891A (zh) * | 2017-09-28 | 2018-01-23 | 北京新美互通科技有限公司 | 一种文本输入方法、装置及电子设备 |
CN108108428A (zh) * | 2017-12-18 | 2018-06-01 | 苏州思必驰信息科技有限公司 | 一种构建语言模型的方法、输入法及系统 |
CN109657071A (zh) * | 2018-12-13 | 2019-04-19 | 北京锐安科技有限公司 | 词汇预测方法、装置、设备和计算机可读存储介质 |
CN109948159A (zh) * | 2019-03-15 | 2019-06-28 | 合肥讯飞数码科技有限公司 | 一种文本数据生成方法、装置、设备及可读存储介质 |
CN110187780A (zh) * | 2019-06-10 | 2019-08-30 | 北京百度网讯科技有限公司 | 长文本预测方法、装置、设备和存储介质 |
CN110597956A (zh) * | 2019-09-09 | 2019-12-20 | 腾讯科技(深圳)有限公司 | 一种搜索方法、装置及存储介质 |
CN110673748A (zh) * | 2019-09-27 | 2020-01-10 | 北京百度网讯科技有限公司 | 输入法中候选长句的提供方法及装置 |
CN112052649A (zh) * | 2020-10-12 | 2020-12-08 | 腾讯科技(深圳)有限公司 | 文本生成方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10929420B2 (en) | Structured report data from a medical text report | |
CN110427618B (zh) | 对抗样本生成方法、介质、装置和计算设备 | |
CN108664589B (zh) | 基于领域自适应的文本信息提取方法、装置、系统及介质 | |
US20180025121A1 (en) | Systems and methods for finer-grained medical entity extraction | |
CN112015859A (zh) | 文本的知识层次抽取方法及装置、计算机设备及可读介质 | |
US20220075944A1 (en) | Learning to extract entities from conversations with neural networks | |
Carchiolo et al. | Medical prescription classification: a NLP-based approach | |
US11232263B2 (en) | Generating summary content using supervised sentential extractive summarization | |
US11645447B2 (en) | Encoding textual information for text analysis | |
CN111401084A (zh) | 一种机器翻译的方法、设备以及计算机可读存储介质 | |
CN110874536B (zh) | 语料质量评估模型生成方法和双语句对互译质量评估方法 | |
US20230075614A1 (en) | Automatically identifying multi-word expressions | |
CN111046659B (zh) | 上下文信息生成方法、上下文信息生成装置及计算机可读记录介质 | |
Alsharid et al. | Captioning ultrasound images automatically | |
CN113707307A (zh) | 病情分析方法、装置、电子设备及存储介质 | |
CN114023412A (zh) | 基于联合学习和去噪机制的icd代码预测方法及系统 | |
CN111611805A (zh) | 一种基于图像的辅助写作方法、装置、介质及设备 | |
RU2712101C2 (ru) | Предсказание вероятности появления строки с использованием последовательности векторов | |
Lyndon et al. | Neural Captioning for the ImageCLEF 2017 Medical Image Challenges. | |
CN111563380A (zh) | 一种命名实体识别方法及其装置 | |
CN115205880A (zh) | 一种医学影像报告生成方法及装置 | |
CN111695054A (zh) | 文本处理方法及设备、信息抽取方法及系统、介质 | |
CN115798661A (zh) | 临床医学领域的知识挖掘方法和装置 | |
US11281855B1 (en) | Reinforcement learning approach to decode sentence ambiguity | |
CN111666405B (zh) | 用于识别文本蕴含关系的方法和装置 |
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 |