CN113641799B - 文本处理方法、装置、计算机设备及存储介质 - Google Patents
文本处理方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN113641799B CN113641799B CN202111193427.4A CN202111193427A CN113641799B CN 113641799 B CN113641799 B CN 113641799B CN 202111193427 A CN202111193427 A CN 202111193427A CN 113641799 B CN113641799 B CN 113641799B
- Authority
- CN
- China
- Prior art keywords
- medical
- text
- word
- character
- candidate
- 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.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 28
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims description 103
- 238000012549 training Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 18
- 238000000926 separation method Methods 0.000 claims description 12
- 238000011176 pooling Methods 0.000 claims description 5
- 238000013473 artificial intelligence Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000002093 peripheral effect Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 7
- 238000003058 natural language processing Methods 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 239000003814 drug Substances 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 208000024891 symptom Diseases 0.000 description 5
- 238000013523 data management Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 206010037660 Pyrexia Diseases 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 208000005718 Stomach Neoplasms Diseases 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 206010017758 gastric cancer Diseases 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 201000011549 stomach cancer Diseases 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 210000004291 uterus Anatomy 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本申请实施例公开了一种文本处理方法、装置、计算机设备及存储介质,属于计算机技术领域。该方法包括:基于医学文本所属的医学类别,获取属于医学类别的多个候选医学词语;分别将医学文本与每个候选医学词语进行组合,得到多个组合文本;对于每个组合文本,分别确定组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征;将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果,匹配结果指示医学文本中是否存在与候选医学词语匹配的描述词语。将针对医学文本的多分类问题转换为了针对多个文本的二分类问题,不再限制一定要得到固定数量的医学词语,保证每个匹配结果为准确的,提高了匹配的准确率。
Description
技术领域
本申请实施例涉及计算机技术领域,特别涉及一种文本处理方法、装置、计算机设备及存储介质。
背景技术
医学术语标准化是医疗信息化过程中的一项重要技术能力,同时也是医疗人工智能的重要基石。医学术语标准化旨在将医学文本中口语化的词语转换为标准化的医学词语。
相关技术中,会将医学文本输入至映射模型,该映射模型对该医学文本进行映射,得到与该医学文本中某个口语化的描述词语匹配的医学词语。该描述词语对应的医学词语的实际数量并不固定,但是,该映射模型是一种多分类模型,只能映射得到固定数量的医学词语,这就导致映射得到的医学词语中,可能会包括与该描述词语不匹配的医学词语,准确率较低。
发明内容
本申请实施例提供了一种文本处理方法、装置、计算机设备及存储介质,提高了匹配的准确率。所述技术方案如下。
一方面,提供了一种文本处理方法,所述方法包括:
基于医学文本所属的医学类别,获取属于所述医学类别的多个候选医学词语;
分别将所述医学文本与每个所述候选医学词语进行组合,得到多个组合文本;
对于每个组合文本,分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征;
将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果,所述匹配结果指示所述医学文本中是否存在与所述候选医学词语匹配的描述词语。
另一方面,提供了一种文本处理装置,所述装置包括:
医学词语获取模块,用于基于医学文本所属的医学类别,获取属于所述医学类别的多个候选医学词语;
文本组合模块,用于分别将所述医学文本与每个所述候选医学词语进行组合,得到多个组合文本;
第一特征确定模块,用于对于每个组合文本,分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征;
匹配模块,用于将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果,所述匹配结果指示所述医学文本中是否存在与所述候选医学词语匹配的描述词语。
可选地,所述第一特征确定模块,包括:
第一特征获取单元,用于确定所述医学文本中每个字符的语义特征,对所述医学文本中多个字符的语义特征进行拼接,得到所述第一语义特征;
第二特征获取单元,用于确定所述候选医学词语中每个字符的语义特征,对所述候选医学词语中多个字符的语义特征进行池化处理,得到所述第二语义特征。
可选地,所述第一语义特征包括所述医学文本中每个字符的语义特征,所述匹配模块,包括:
概率获取单元,用于将所述第二语义特征分别与所述每个字符的语义特征进行匹配,得到所述每个字符的起始概率和终止概率,所述起始概率指示所述字符为与所述候选医学词语匹配的起始字符的概率,所述终止概率指示所述字符为与所述候选医学词语匹配的终止字符的概率;
字符确定单元,用于基于所述每个字符的起始概率和终止概率,从所述医学文本中确定起始字符和终止字符;
描述词语确定单元,用于将所述医学文本中,所述起始字符、所述终止字符,以及所述起始字符与所述终止字符之间的字符,构成所述描述词语。
可选地,所述字符确定单元,用于:
在最大的所述起始概率大于第一阈值的情况下,将最大的所述起始概率对应的字符确定为所述起始字符;
在最大的所述终止概率大于第二阈值的情况下,将最大的所述终止概率对应的字符确定为所述终止字符。
可选地,文本处理模型包括分类子模型、组合子模型和识别子模型;
所述分类子模型,用于获取所述医学文本所属的医学类别,以及属于所述医学类别的多个候选医学词语;
所述组合子模型,用于分别将所述医学文本与每个所述候选医学词语进行组合,得到所述多个组合文本;
所述识别子模型,用于对于每个组合文本,分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征,将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果。
可选地,所述文本处理模型包括多个医学类别对应的识别子模型,每个医学类别对应的识别子模型用于处理属于所述医学类别的医学文本;
所述医学类别对应的识别子模型,用于对于每个组合文本,分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征,将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果。
可选地,所述识别子模型包括第一识别网络和词语匹配网络;
所述第一识别网络,用于分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征;
所述词语匹配网络,用于将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果。
可选地,所述分类子模型包括第二识别网络和分类网络;
所述第二识别网络,用于确定所述医学文本的第三语义特征;
所述分类网络,用于基于所述第三语义特征,对所述医学文本进行分类,得到所述医学类别。
可选地,所述装置还包括:
模型训练模块,用于获取样本医学文本、所述样本医学文本中的样本描述词语以及所述样本描述词语对应的正样本医学词语,所述正样本医学词语为与所述样本描述词语匹配的医学词语;
所述模型训练模块,还用于调用所述文本处理模型,对所述样本医学文本和所述正样本医学词语进行处理,得到第一预测描述词语;
所述模型训练模块,还用于基于所述第一预测描述词语、所述样本描述词语以及所述正样本医学词语,训练所述文本处理模型。
可选地,所述模型训练模块,还用于:
获取所述样本描述词语对应的负样本医学词语,所述负样本医学词语为与所述样本描述词语不匹配的医学词语;
调用所述文本处理模型,对所述样本医学文本和所述负样本医学词语进行处理,得到第二预测描述词语;
基于所述第二预测描述词语、所述样本描述词语以及所述负样本医学词语,训练所述文本处理模型。
可选地,所述装置还包括:
第二特征确定模块,用于确定所述医学文本的第三语义特征;
医学类别确定模块,用于基于所述第三语义特征,对所述医学文本进行分类,得到所述医学类别。
可选地,所述装置还包括:
描述词语提取模块,用于在所述医学文本中存在与所述候选医学词语匹配的所述描述词语的情况下,从所述医学文本中提取所述描述词语;
对应关系建立模块,用于建立所述候选医学词语与所述描述词语之间的对应关系。
可选地,所述装置还包括:
病历文本获取模块,用于获取病历文本,所述病历文本包括至少两个所述医学文本和任两个所述医学文本之间的分隔标点符号;
病历文本划分模块,用于基于所述病历文本中的分隔标点符号,从所述病历文本中划分出至少两个所述医学文本;
对于每个所述医学文本,执行基于所述医学文本所属的医学类别,获取属于所述医学类别的多个候选医学词语的步骤。
可选地,所述匹配模块,还用于:
在所述匹配结果指示所述医学文本中存在与所述候选医学词语匹配的描述词语的情况下,获取所述描述词语的关联词语,在所述关联词语与所述描述词语构成的词语的含义与所述候选医学词语的含义相反的情况下,确定所述候选医学词语与所述描述词语不匹配,其中,所述关联词语位于所述描述词语之前、与所述描述词语相邻,且包含至少一个字符;或者,
在所述匹配结果指示所述医学文本中存在与所述候选医学词语匹配的描述词语的情况下,如果所述医学文本所属对象对应的对象特征,与所述候选医学词语适用的对象对应的对象特征不同,确定所述候选医学词语与所述描述词语不匹配。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以实现如上述方面所述的文本处理方法所执行的操作。
另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以实现如上述方面所述的文本处理方法所执行的操作。
另一方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述方面所述的文本处理方法所执行的操作。
本申请实施例提供的方法,分别对包含医学文本和候选医学词语的多个组合文本进行处理,得到每个组合文本对应的匹配结果,每个匹配结果表示存在与候选医学词语匹配的描述词语或不存在与候选医学词语匹配的描述词语,从而将针对医学文本的多分类问题转换为了针对多个文本的二分类问题,不再限制一定要得到固定数量的医学词语,保证每个匹配结果为准确的,从而保证得到的描述词语与候选医学词语之间是匹配的,提高了匹配的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请实施例的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种文本处理方法的流程图;
图2是本申请实施例提供的另一种文本处理方法的流程图;
图3是本申请实施例提供的一种文本处理模型的示意图;
图4是本申请实施例提供的一种模型训练方法的流程图;
图5是本申请实施例提供的再一种文本处理方法的流程图;
图6是本申请实施例提供的一种分类子模型的示意图;
图7是本申请实施例提供的一种识别子模型的示意图;
图8是本申请实施例提供的一种文本处理流程的示意图;
图9是本申请实施例提供的一种医学词语搜索的示意图;
图10是本申请实施例提供的一种文本处理装置的结构示意图;
图11是本申请实施例提供的另一种文本处理装置的结构示意图;
图12是本申请实施例提供的一种终端的结构示意图;
图13是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种概念,但除非特别说明,这些概念不受这些术语限制。这些术语仅用于将一个概念与另一个概念区分。举例来说,在不脱离本申请的范围的情况下,可以将第一语义特征称为第二语义特征,将第二语义特征称为第一语义特征。
本申请所使用的术语“至少一个”、“多个”、“每个”、“任一”等,至少一个包括一个、两个或两个以上,多个包括两个或两个以上,每个是指对应的多个中的每一个,任一是指多个中的任意一个。举例来说,多个候选医学词语包括3个候选医学词语,而每个候选医学词语是指这3个候选医学词语中的每一个候选医学词语,任一是指这3个候选医学词语中的任意一个,可以是第一个,可以是第二个,也可以是第三个。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。
自然语言处理(Nature Language Processing,NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。因此,这一领域的研究将涉及自然语言,即人们日常使用的语言,所以它与语言学的研究有着密切的联系。自然语言处理技术通常包括文本处理、语义理解、机器翻译、机器人问答、知识图谱等技术。
机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、示教学习等技术。
随着人工智能技术研究和进步,人工智能技术在多个领域展开研究和应用,例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服、车联网、自动驾驶、智慧交通等,相信随着技术的发展,人工智能技术将在更多的领域得到应用,并发挥越来越重要的价值。
本申请实施例提供的方案,采用人工智能的自然语言处理和机器学习技术,对医学文本和候选医学词语进行处理,以确定医学文本中是否存在与候选医学词语匹配的描述词语。
本申请实施例提供的文本处理方法,能够由计算机设备执行。可选地,该计算机设备为终端或服务器。可选地,该服务器是独立的物理服务器,或者,是多个物理服务器构成的服务器集群或者分布式系统,或者,是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。可选地,该终端是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表、医疗设备、车载终端等,但并不局限于此。
在一种可能实现方式中,本申请实施例所涉及的计算机程序可被部署在一个计算机设备上执行,或者在位于一个地点的多个计算机设备上执行,又或者,在分布在多个地点且通过通信网络互连的多个计算机设备上执行,分布在多个地点且通过通信网络互连的多个计算机设备能够组成区块链系统。
在一种可能实现方式中,本申请实施例中用于处理文本的计算机设备是区块链系统中的节点,该节点能够获取医学文本以及对应的多个候选医学词语,通过对医学文本和每个候选医学词语进行组合,得到多个组合文本,分别对每个组合文本进行处理,确定组合文本中的医学文本中是否存在于该组合文本中的候选医学词语匹配的描述词语。
图1是本申请实施例提供的一种文本处理方法的流程图。本申请实施例的执行主体为计算机设备。参见图1,该方法包括以下步骤。
101、计算机设备基于医学文本所属的医学类别,获取属于医学类别的多个候选医学词语。
其中,医学文本是指用于描述所属的对象的文本,例如,该医学词语用于描述所属的对象的症状,或者用于描述所属的对象使用的药品,或者用于描述所属的对象所进行的手术等。医学类别至少包括诊断手段、手术、药品、化验手段、症状或其他医学类别中的任一类别。候选医学词语为属于某个医学类别的标准化的医学术语。
102、计算机设备分别将医学文本与每个候选医学词语进行组合,得到多个组合文本。
其中,每个组合文本中包括医学文本和一个候选医学词语,医学文本与候选医学词语之间能够采用任意方式进行组合,本申请实施例对组合方式不做限制。
103、计算机设备对于每个组合文本,分别确定组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征。
针对每个组合文本,计算机设备都需要提取组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征。其中,第一语义特征用于表示医学文本的含义,第二语义特征用于表示候选医学词语的含义。
104、计算机设备将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果,该匹配结果指示医学文本中是否存在与候选医学词语匹配的描述词语。
针对每个组合文本,计算机设备对第一语义特征和第二语义特征进行匹配,从而确定医学文本中是否存在与该候选医学词语匹配的描述词语。针对多个组合文本,每个组合文本都会得到对应的匹配结果,从而得到多个匹配结果,基于多个匹配结果,能够确定该医学文本中是否存在至少一个候选医学词语对应的描述词语。
本申请实施例提供的方法,分别对包含医学文本和候选医学词语的多个组合文本进行处理,得到每个组合文本对应的匹配结果,每个匹配结果表示存在与候选医学词语匹配的描述词语或不存在与候选医学词语匹配的描述词语,从而将针对医学文本的多分类问题转换为了针对多个文本的二分类问题,不再限制一定要得到固定数量的医学词语,保证每个匹配结果为准确的,从而保证得到的描述词语与候选医学词语之间是匹配的,提高了匹配的准确率。
图2是本申请实施例提供的另一种文本处理方法的流程图。本申请实施例的执行主体为计算机设备。参见图2,该方法包括以下步骤。
201、计算机设备获取医学文本。
其中,医学文本是指用于描述所属的对象的文本,例如,该医学词语用于描述所属的对象的症状,或者用于描述所属的对象使用的药品,或者用于描述所属的对象所进行的手术等。
在一种可能实现方式中,医学文本为病历文本中包含的文本。计算机设备获取病历文本,然后基于病历文本中的分隔标点符号,从病历文本中划分出至少两个医学文本。其中,该病历文本用于描述对应的对象,例如描述对应的对象的症状、诊断过程,在诊断过程中进行的手术、用药情况等内容,不同的对象对应的病历文本的内容不同,本申请实施例对病历文本的内容不做限制。该病历文本包括至少两个医学文本和任两个医学文本之间的分隔标点符号,该医学文本为病历文本中某一句话,该分隔标点符号为逗号、句号、顿号、分号或其他标点符号中的任一标点符号,计算机设备划分得到的医学文本中不包含分隔标点符号,即计算机设备基于分隔标点符号,将相邻的两个分隔标点符号之间的句子作为医学文本。
需要说明的是,本申请实施例以病历文本中的任一医学文本为例进行说明,在另一实施例中,病历文本中的其他医学文本也能够采用类似的实施方式进行处理。
202、计算机设备确定该医学文本所属的医学类别。
其中,医学类别至少包括诊断手段、手术、药品、化验手段、症状或其他医学类别中的任一类别。候选医学词语为属于某个医学类别的标准化的医学术语。
在一种可能实现方式中,计算机设备确定医学文本的第三语义特征;基于第三语义特征,对医学文本进行分类,得到医学类别。其中,第三语义特征用于表示医学文本的含义,第三语义特征采用向量形式、矩阵形式或其他形式表示。
需要说明的是,上述实施例是以医学文本具有所属的医学类别为例进行说明,在另一实施例中,该医学文本不属于任一医学类别,此时,确定该医学文本中不包含与医学词语具有相同含义的词语,因此,不再执行后续步骤。
203、计算机设备基于该医学文本所属的医学类别,获取属于该医学类别的多个候选医学词语。
计算机设备在得到医学文本所属的医学类别后,获取属于该医学类别的多个医学词语,将属于该医学类别的多个医学词语作为候选医学词语,后续基于多个候选医学词语,确定医学文本中是否包含与候选医学词语匹配的描述词语。
需要说明的是,本申请实施例中的医学词语为按照科学的方法分类的医学词语。例如,医学词语为基于ICD10(International Classification of Diseases 10,国际疾病伤害及死因分类标准第十版)确定的,ICD10是世界卫生组织依据疾病的某些特征,按照规则将疾病分门别类,并用编码的方式来表示的系统,现有版本包括15.5万种代码,并记录多种新型诊断及预测。
204、计算机设备分别将该医学文本与每个候选医学词语进行组合,得到多个组合文本。
其中,每个组合文本包括医学文本和一个候选医学词语。
在一种可能实现方式中,计算机设备将候选医学词语拼接在医学文本之前,得到组合文本,或者计算机设备将候选医学词语拼接在医学文本之后,得到组合文本,或者候选医学词语和医学文本之间采用分隔符分隔开。本申请实施例对拼接方式不做限制,无论采用哪种拼接方式,医学文本与每个候选医学词语的拼接方式需要保持一致,例如,都将候选医学词语拼接在医学文本之前,或者都将候选医学词语拼接在医学文本之后。
205、计算机设备对于每个组合文本,分别确定该组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征。
其中,第一语义特征用于表示医学文本的含义,第二语义特征用于表示候选医学词语的含义。
在一种可能实现方式中,计算机设备确定医学文本中每个字符的语义特征,对医学文本中多个字符的语义特征进行拼接,得到第一语义特征。其中,拼接是指将多个字符的语义特征组合在一起,使得到的第一语义特征中仍然包含独立的每个字符的语义特征。
在一种可能实现方式中,计算机设备确定候选医学词语中每个字符的语义特征,对候选医学词语中多个字符的语义特征进行池化处理,得到第二语义特征。其中,池化处理是指将多个字符的语义特征进行聚合,例如,将多个字符的语义特征进行相加,然后再按照医学词语中字符的数量求平均。
其中,词语的语义特征采用向量形式、矩阵形式或其他形式表示,对应的,第一语义特征和第二语义特征也采用向量形式、矩阵形式或其他形式表示。
在一种可能实现方式中,为了便于后续处理,候选医学词语的第二语义特征的维度需要与医学文本中每个字符的语义特征的维度一致。例如,第二语义特征和医学文本中每个词语的语义特征都是768维的向量。
206、计算机设备将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果。
其中,匹配结果指示医学文本中是否存在与候选医学词语匹配的描述词语。
在一种可能实现方式中,将第二语义特征分别与每个字符的语义特征进行匹配,得到每个字符的起始概率和终止概率,该起始概率指示字符为与候选医学词语匹配的起始字符的概率,该终止概率指示字符为与候选医学词语匹配的终止字符的概率;然后基于每个字符的起始概率和终止概率,从医学文本中确定起始字符和终止字符,将医学文本中,起始字符、终止字符,以及起始字符与终止字符之间的字符,构成描述词语。
在一种可能实现方式中,由于存在医学文本中没有与候选医学词语匹配的描述词语的情况,在这种情况下,为了避免匹配到错误的描述词语,还设置了起始概率对应的第一阈值,终止概率对应的第二阈值,该第一阈值和第二阈值为大于0不大于1的数值,第一阈值和第二阈值可以相同也可以不同,例如,第一阈值和第二阈值相同,第一阈值和第二阈值均为0.9。
计算机设备在最大的起始概率大于第一阈值的情况下,将最大的起始概率对应的字符确定为起始字符;在最大的终止概率大于第二阈值的情况下,将最大的终止概率对应的字符确定为终止字符。其中,只有在同时确定了起始字符和终止字符的情况下,才能够确定描述词语,如果仅能确定起始字符和终止字符中的一项,则认为医学文本中不具备与候选医学词语匹配的描述词语。
需要说明的使,本申请实施例中仅是以一个组合文本为例对该组合文本的处理过程进行详细说明,在另一实施例中,其他组合文本采用类似的实施方式进行处理,从而能够得到每个组合文本对应的匹配结果。
对于多个组合文本来说,由于每个组合文本是分别进行处理的,多个组合文本的处理过程互不影响,因此能够分别得到每个组合文本对应的匹配结果。在一种可能实现方式中,多个匹配结果中有些匹配结果指示医学文本中存在与候选词语匹配的描述词语,有些匹配结果指示医学文本中不存在与候选词语匹配的描述词语。在多个匹配结果均指示医学文本中存在与候选词语匹配的描述词语的情况下,可以是该多个匹配结果对应的多个候选医学词语均与同一描述词语匹配,也可以是多个候选医学词语分别与不同的描述词语匹配,本申请实施例对此不做限制。
在一种可能实现方式中,计算机设备得到匹配结果之后,在匹配结果指示医学文本中存在与候选医学词语匹配的描述词语的情况下,从医学文本中提取描述词语;建立候选医学词语与描述词语之间的对应关系。之后计算机设备可存储该对应关系,或者将该对应关系发送给其他设备,便于后续基于该对应关系,查询描述词语对应的医学词语。
另外,在一种可能实现方式中,在得到匹配结果之后,在匹配结果指示医学文本中存在与候选医学词语匹配的描述词语的情况下,需要对医学词语与候选医学词语之间的合理性进行检查。
可选地,计算机设备进行否定词检查,即获取描述词语的关联词语,在关联词语与描述词语构成的词语的含义与候选医学词语的含义相反的情况下,确定候选医学词语与描述词语不匹配,其中,关联词语位于描述词语之前、与描述词语相邻,且包含至少一个字符,例如,候选医学词语为“发烧”,医学文本中包括“没有发烧”,但是在匹配过程中从医学文本中匹配到了描述词语“发烧”,则确定候选医学词语与描述词语不匹配;或者,计算机设备进行医学合理性检查,即在匹配结果指示医学文本中存在与候选医学词语匹配的描述词语的情况下,如果医学文本所属对象对应的对象特征,与候选医学词语适用的对象对应的对象特征不同,确定候选医学词语与描述词语不匹配。其中,候选医学词语描述某种对象可能出现的状态,该对象可称为候选医学词语适用的对象,而其他的对象是不可能出现此种状态,因此描述这些对象时,不会用到该候选医学词语,对象特征为对象自身具有的属性特征,例如,对象的性别、年龄等特征。例如,候选医学词语为“子宫”,从医学文本中匹配到了描述词语“肚子”,但是该医学文本为一个男性的病历文本中的一部分,显然男性是没有子宫的,因此,不符合医学合理性,则确定候选医学词语与描述词语不匹配。
其中,在进行医学合理性检查时,能够基于建立的知识数据库进行检查。例如,知识数据库中包括男性与适用于男性对象的医学词语之间的对应关系,女性与适用于女性对象的医学词语之间的对应关系,年龄与适用于该年龄的对象的医学词语之间的对应关系等。
本申请实施例提供的方法,分别对包含医学文本和候选医学词语的多个组合文本进行处理,得到每个组合文本对应的匹配结果,每个匹配结果表示存在与候选医学词语匹配的描述词语或不存在与候选医学词语匹配的描述词语,从而将针对医学文本的多分类问题转换为了针对多个文本的二分类问题,不再限制一定要得到固定数量的医学词语,保证每个匹配结果为准确的,从而保证得到的描述词语与候选医学词语之间是匹配的,提高了匹配的准确率。
并且,先对医学文本进行分类,得到医学文本所属的医学类别,将医学文本与属于该医学文本的候选医学词语进行组合,对得到的多个组合文本进行处理,相当于对候选医学词语进行了一次过滤,去掉了明显与该医学文本无关的候选医学词语,减少了待处理的数据量,有利于提高处理效率。
并且,采用多个二分类,能够预测出一个描述词语对应的多个医学词语,且不会对多个医学词语的数量造成限制,因此在实现了匹配描述词语与多个医学词语的同时,保证了匹配的准确率。
上述图2所示的实施例详细介绍了对医学文本和对应的候选医学词语的处理过程。而在一种可能实现方式中,计算机设备能够调用文本处理模型执行上述图2中的实施方式。
参见图3,文本处理模型至少包括分类子模型301、组合子模型302和识别子模型303。其中,分类子模型301用于获取医学文本所属的医学类别,以及属于该医学类别的多个候选医学词语;组合子模型302用于分别将医学文本与每个候选医学词语进行组合,得到多个组合文本;识别子模型303用于对于每个组合文本,分别确定组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征,将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果。
在调用文本处理模型之前,需要先训练该文本处理模型,图4是本申请实施例提供的一种模型训练方法的流程图。本申请实施例的执行主体为计算机设备。参见图4,该方法包括以下步骤。
401、计算机设备获取样本医学文本、样本医学文本中的样本描述词语以及样本描述词语对应的正样本医学词语。
其中,正样本医学词语为与样本描述词语匹配的医学词语,即正样本医学词语与样本描述词语具有相同的含义。
本申请实施例中,计算机设备获取待标注的样本医学文本,在该样本医学文本中标注出样本描述词语与对应的正样本医学词语。
在一种可能实现方式中,对于多个样本医学文本,在标注医学文本中的样本描述词语对应的正样本医学词语时,为例提高标注效率,能够先人工标注一部分样本医学文本,对于其他未标注的样本医学文本,能够采用远程监督的方式进行标注,也即是确定未标注的样本医学文本中是否存在与已标注的正样本医学文本中相同的样本描述词语,在存在相同的样本描述词语的情况下,将未标注的样本医学词语中的样本描述词语也标注为同一正样本医学词语。
402、计算机设备调用文本处理模型,对样本医学文本和正样本医学词语进行处理,得到第一预测描述词语。
403、计算机设备基于第一预测描述词语、样本描述词语以及正样本医学词语,训练文本处理模型。
由于医学词语与所属的医学类别之间的关系是固定的,因此无需获取样本医学类别,直接基于正样本医学词语即可确定文本处理模型中的分类子模型的输出结果是否准确。因此,在得到第一预测描述词语之后,即可基于第一预测描述词语、样本描述词语以及正样本医学词语来训练文本处理模型。根据第一预测描述词语与样本描述词语之间的差异调整文本处理模型的模型参数。
上述训练过程是以采用正样本数据训练文本处理模型为例进行说明,在另一实施例中,由于将多个候选医学词语分别与医学文本进行组合,则得到的组合文本中必然包含着大量的负样本数据,不均衡的正负样本数据比例会对文本处理模型的训练效果产生影响,因此引入了负样本优化。
负样本优化也即是,计算机设备获取样本描述词语对应的负样本医学词语,负样本医学词语为与样本描述词语不匹配的医学词语;调用文本处理模型,对样本医学文本和负样本医学词语进行处理,得到第二预测描述词语;基于第二预测描述词语、样本描述词语以及负样本医学词语,训练文本处理模型。
在一种可能实现方式中,在训练阶段对负样本数据进行选择,将与正样本医学词语的词向量之间的相似度较高的医学词语作为负样本医学词语,从而在降低负样本数据的数量的同时,保证了负样本的质量,依靠较少量的、相似的干扰项作为负样本数据,提高了文本处理模型的分辨能力。例如,计算机设备利用词向量编码网络获得样本医学文本中标注的正样本医学词语的词向量;再使用余弦距离或开源的相似度计算模型,获得与该正样本医学词语之间的相似度较高的负样本医学词语。其中,词向量编码网络为word2vec(一种用来产生词向量的相关模型)、BERT(Bidirectional Encoder Representations fromTransformers,基于变换器的双向编码器表征)、ALBERT(基于矩阵分解、参数共享和变换器的双向编码器表征)、MedBERT(一种用于医学领域的基于变换器的双向编码器表征)或其他网络,本申请实施例对此不做限制,其中,MedBERT与BERT区别在于,MedBERT仅是基于医学领域中的文本训练得到的。
需要说明的是,上述实施例是以同时训练分类子模型和识别子模型为例进行说明,在另一实施例中,能够分别训练分类子模型和识别子模型。即计算机设备获取样本医学文本和该样本医学文本所属的样本医学类别,调用分类子模型,对样本医学文本进行处理,得到该样本医学文本的预测医学类别,基于样本医学类别和预测医学类别,训练分类子模型。
在一种可能实现方式中,分类子模型部分的损失函数为:
计算机设备获取样本医学文本、样本医学文本中的样本描述词语以及样本描述词语对应的样本医学词语,调用识别子模型,对样本医学文本和样本医学词语进行处理,得到预测描述词语,基于第一预测描述词语、样本描述词语以及样本医学词语,训练识别子模型。
在一种可能实现方式中,计算机设备调用识别子模型,对样本医学文本及样本医学词语进行处理,得到样本医学文本中每个字符的起始概率和终止概率。
其中,表示样本医学文本中第个字符的起始概率,表示样本医学文本中第个字符的终止概率,表示激活函数,表示样本医学文本,表示样本医学文本中的第个字符的语义特征,表示样本医学词语的语义特征,表示似然函数,mention表示第一预测描述词语,concept表示样本医学词语,表示未匹配到与样本医学文本匹配的描述词语,是表示样本医学文本中第个字符是否为起始字符的二元标签,I表示指示函数,是表示样本医学文本中第个字符是否为终止字符的二元标签,D表示样本医学文本中的字符的数量,表示样本医学文本所属的医学类别,参数,即为识别子模型中的模型参数。
另外,针对每个医学类别对应的识别子模型,分别基于属于该医学类别的样本医学文本和样本医学词语进行针对性地训练,以提高训练地识别子模型地准确率。
采用上述图4所示的方法得到训练后的文本处理模型后,即可调用该文本处理模型,执行文本处理过程。图5是本申请实施例提供的再一种文本处理方法的流程图。本申请实施例的执行主体为计算机设备。参见图5,该方法包括以下步骤。
501、计算机设备调用分类子模型,获取医学文本所属的医学类别,以及属于该医学类别的多个候选医学词语。
在一种可能实现方式中,分类子模型包括第二识别网络和分类网络,计算机设备调用第二识别网络,确定所述医学文本的第三语义特征;调用分类网络,基于第三语义特征,对医学文本进行分类,得到医学类别。其中,第二识别网络为BERT网络、MedBERT网络或其他网络,本申请对此不做限制。
例如,参见图6所示的分类子模型,将医学文本输入至MedBERT网络,该MedBERT网络对医学文本中的字符X1、X2、X3……Xn进行处理,分别输出每个字符对应的语义特征,同时输出[CLS]对应的语义特征。其中,该[CLS]为MedBERT中设置的位于输入的医学文本之前的、不包含任何内容的标识符,MedBERT网络在处理医学文本的过程中,将多个字符的语义特征融合后的语义特征作为该[CLS]对应的语义特征,融合后的语义特征为医学文本的语义特征,则[CLS]对应的语义特征即为医学文本的语义特征,然后将[CLS]对应的语义特征输入至线性分类器,得到医学文本所述的医学类别,之后即可确定属于该医学类别的多个候选医学词语。
502、计算机设备调用组合子模型,分别将该医学文本与每个候选医学词语进行组合,得到多个组合文本。
503、计算机设备调用识别子模型,对于每个组合文本,分别确定该组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征,将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果。
计算机设备调用组合子模型得到多个组合文本后,依次将该多个组合文本输入至识别子模型,由识别子模型分别对多个组合文本进行处理。
在一种可能实现方式中,文本处理模型包括多个医学类别对应的识别子模型,每个医学类别对应的识别子模型用于处理属于所述医学类别的医学文本。则计算机设备调用医学文本所属的医学类别对应的识别子模型,执行对于每个组合文本,分别确定该组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征,将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果的步骤。
本申请实施例中,仅是以一种医学类别为例进行说明,计算机设备在调用文本处理模型进行处理的过程中,能够基于医学文本所属的医学类别,将医学文本对应的组合文本输入至对应的识别子模型中,从而基于该医学类别对应的识别子模型对组合文本进行处理。
在一种可能实现方式中,识别子模型包括第一识别网络和词语匹配网络;计算机设备调用第一识别网络,分别确定组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征;计算机设备调用词语匹配网络,将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果。
在一种可能实现方式中,调用词语匹配网络,将第二语义特征分别与每个字符的语义特征进行匹配,得到每个字符的起始概率和终止概率;基于每个字符的起始概率和终止概率,从医学文本中确定起始字符和终止字符;将医学文本中,起始字符、终止字符,以及起始字符与终止字符之间的字符,构成描述词语。
可选地,得到每个字符的起始概率和终止概率之后,在最大的起始概率大于第一阈值的情况下,将最大的起始概率对应的字符的起始位置标记为1,将其他字符的起始位置标记为0;在最大的终止概率大于第二阈值的情况下,将最大的终止概率对应的字符的终止位置标记为1,将其他字符的终止位置标记为0。之后即可基于标记的0和1确定哪个字符是终止字符,哪个字符是起始字符,从而确定描述词语。
在一种可能实现方式中,参见图7所示的识别子模型,将组合文本至MedBERT网络,该MedBERT网络对组合文本中的字符X1、X2、X3……Xn进行处理,分别得到每个字符对应的语义特征,然后在候选医学词语为包含X1、X2、X3的词语的情况下,将X1、X2、X3对应的特征拼接为第二语义特征,将剩余的字符的语义特征拼接为第一语义特征,然后对该第一语义特征和第二语义特征进行处理,得到每个字符的起始位置对应的标记以及终止位置对应的标记,该标记为0或1。
需要说明的是,上述训练文本处理模型的计算机设备与调用文本处理模型的计算机设备可以为相同的计算机设备,也可以为不同的计算机设备。
在一种可能实现方式中,本申请实施例中调用文本处理模型进行处理的整体框架参见图8,首先调用分类子模型确定医学文本所属的类别,在医学文本不属于任一医学类别的情况下,则确定对该医学文本“拒识”,即结束对医学文本的处理,在医学文本属于任一医学类别的情况下,对医学文本和属于医学类被的候选医学词语进行组合,得到组合文本,然后调用该医学类别对应的二元标记器(识别子模型),对组合文本进行处理,且该医学类别对应的二元标记器是经过负样本优化的,最后在得到候选医学文本匹配的描述词语之后,对候选医学文本与描述词语进行医学合理性检查,确定候选医学文本与描述词语之间是否存在非合理性问题,从而得到最终的候选医学词语与匹配的描述词语。
本申请实施例提供的方法,通过调用文本处理模型,分别对包含医学文本和候选医学词语的多个组合文本进行处理,得到每个组合文本对应的匹配结果,每个匹配结果表示存在与候选医学词语匹配的描述词语或不存在与候选医学词语匹配的描述词语,从而将针对医学文本的多分类问题转换为了针对多个文本的二分类问题,不再限制一定要得到固定数量的医学词语,保证每个匹配结果为准确的,从而保证得到的描述词语与候选医学词语之间是匹配的,提高了匹配的准确率。
并且,由于文本处理模型中的识别子模型是针对每个医学类别分别进行训练的,减轻了由于不同医学类别的数据量不同产生的影响,因此提高了每个医学类别的识别子模型的准确性。
并且,在训练过程中,不仅采用正样本数据进行训练,还采用负样本数据进行训练,避免了不均衡的正负样本数据比例会对文本处理模型的训练效果产生影响,从而,提升了文本处理模型的分辨能力,提高了文本处理模型的准确性。
并且,由于本申请中的文本处理模型的输入为医学文本和候选医学词语,候选医学词语是输入的时候已知的,因此,即使在文本处理模型的训练过程中没有采用该候选医学词语进行训练,那么文本处理模型也能够预测出该候选医学词语与描述词语是否匹配。
上述实施例介绍了文本处理过程,下面对本申请提供的文本处理方法的应用场景进行说明。例如,将本申请实施例提供的文本处理方法应用于病历文本的搜索场景下,或者应用于医保数据管理场景下。参见图9,以应用在医保数据管理场景下为例,计算机设备基于本申请实施例提供的文本处理方法,建立了描述词语于医学词语之间的对应关系之后,将该对应关系存储在医保数据管理设备中,用户可在搜索栏中输入任一描述词语,然后点击搜索,之后医保数据管理设备即可基于用户输入的描述词语,通过查询对应的医学词语,并基于查询到的医学词语于其他医学词语之间的关联关系,显示包含多个医学词语的关系网络,如图9中所示的用户输入“胃CA”,之后即可查询到对应的医学词语“胃癌”,以及于“胃癌”关联的其他医学词语。
或者,由于病历文本中通常包含的是口语化的词语,且不同的医生可能在表达上也存在区别,因此用户如果想要直接查询病历文本中的描述词语较为困难。计算机设备基于本申请实施例提供的文本处理方法,建立了描述词语于医学词语之间的对应关系之后,用户可输入医学词语,然后基于医学词语查询对应的描述词语,从用户的病历文本中查询是否有包含该描述词语的病历文本,从而使用户基于医学词语即可方便的查询到对应的病历文本。
当然,医学术语标准化还能够用于帮助医院构建信息化存储和查询的数据中台,帮助医保局进行智能辅助核保,帮助医保局拉通各方数据并提供统一的标注诊断数据接口,将多个不同等级、不同地域的医院数据进行标准化打通,从而帮助构建智能化疫情防控大屏和智能疫情监控。本申请实施例对其他应用场景在此不再进行详细说明。
图10是本申请实施例提供的一种文本处理装置的结构示意图。参见图10,该装置包括:
医学词语获取模块1001,用于基于医学文本所属的医学类别,获取属于医学类别的多个候选医学词语;
文本组合模块1002,用于分别将医学文本与每个候选医学词语进行组合,得到多个组合文本;
第一特征确定模块1003,用于对于每个组合文本,分别确定组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征;
匹配模块1004,用于将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果,匹配结果指示医学文本中是否存在与候选医学词语匹配的描述词语。
本申请实施例提供的装置,分别对包含医学文本和候选医学词语的多个组合文本进行处理,得到每个组合文本对应的匹配结果,每个匹配结果表示存在与候选医学词语匹配的描述词语或不存在与候选医学词语匹配的描述词语,从而将针对医学文本的多分类问题转换为了针对多个文本的二分类问题,不再限制一定要得到固定数量的医学词语,保证每个匹配结果为准确的,从而保证得到的描述词语与候选医学词语之间是匹配的,提高了匹配的准确率。
可选地,参见图11,第一特征确定模块1003,包括:
第一特征获取单元1013,用于确定医学文本中每个字符的语义特征,对医学文本中多个字符的语义特征进行拼接,得到第一语义特征;
第二特征获取单元1023,用于确定候选医学词语中每个字符的语义特征,对候选医学词语中多个字符的语义特征进行池化处理,得到第二语义特征。
可选地,第一语义特征包括医学文本中每个字符的语义特征,参见图11,匹配模块1004,包括:
概率获取单元1014,用于将第二语义特征分别与每个字符的语义特征进行匹配,得到每个字符的起始概率和终止概率,起始概率指示字符为与候选医学词语匹配的起始字符的概率,终止概率指示字符为与候选医学词语匹配的终止字符的概率;
字符确定单元1024,用于基于每个字符的起始概率和终止概率,从医学文本中确定起始字符和终止字符;
描述词语确定单元1034,用于将医学文本中,起始字符、终止字符,以及起始字符与终止字符之间的字符,构成描述词语。
可选地,参见图11,字符确定单元1024,用于:
在最大的起始概率大于第一阈值的情况下,将最大的起始概率对应的字符确定为起始字符;
在最大的终止概率大于第二阈值的情况下,将最大的终止概率对应的字符确定为终止字符。
可选地,文本处理模型包括分类子模型、组合子模型和识别子模型;
分类子模型,用于获取医学文本所属的医学类别,以及属于医学类别的多个候选医学词语;
组合子模型,用于分别将医学文本与每个候选医学词语进行组合,得到多个组合文本;
识别子模型,用于对于每个组合文本,分别确定组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征,将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果。
可选地,文本处理模型包括多个医学类别对应的识别子模型,每个医学类别对应的识别子模型用于处理属于医学类别的医学文本;
医学类别对应的识别子模型,用于对于每个组合文本,分别确定组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征,将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果。
可选地,识别子模型包括第一识别网络和词语匹配网络;
第一识别网络,用于分别确定组合文本中的医学文本的第一语义特征和候选医学词语的第二语义特征;
词语匹配网络,用于将第一语义特征与第二语义特征进行匹配,得到组合文本对应的匹配结果。
可选地,分类子模型包括第二识别网络和分类网络;
第二识别网络,用于确定医学文本的第三语义特征;
分类网络,用于基于第三语义特征,对医学文本进行分类,得到医学类别。
可选地,参见图11,该装置还包括:
模型训练模块1005,用于获取样本医学文本、样本医学文本中的样本描述词语以及样本描述词语对应的正样本医学词语,正样本医学词语为与样本描述词语匹配的医学词语;
模型训练模块1005,还用于调用文本处理模型,对样本医学文本和正样本医学词语进行处理,得到第一预测描述词语;
模型训练模块1005,还用于基于第一预测描述词语、样本描述词语以及正样本医学词语,训练文本处理模型。
可选地,模型训练模块1005,还用于:
获取样本描述词语对应的负样本医学词语,负样本医学词语为与样本描述词语不匹配的医学词语;
调用文本处理模型,对样本医学文本和负样本医学词语进行处理,得到第二预测描述词语;
基于第二预测描述词语、样本描述词语以及负样本医学词语,训练文本处理模型。
可选地,参见图11,该装置还包括:
第二特征确定模块1006,用于确定医学文本的第三语义特征;
医学类别确定模块1007,用于基于第三语义特征,对医学文本进行分类,得到医学类别。
可选地,参见图11,该装置还包括:
描述词语提取模块1008,用于在医学文本中存在与候选医学词语匹配的描述词语的情况下,从医学文本中提取描述词语;
对应关系建立模块1009,用于建立候选医学词语与描述词语之间的对应关系。
可选地,参见图11,该装置还包括:
病历文本获取模块1010,用于获取病历文本,病历文本包括至少两个医学文本和任两个医学文本之间的分隔标点符号;
病历文本划分模块1011,用于基于病历文本中的分隔标点符号,从病历文本中划分出至少两个医学文本;
对于每个医学文本,执行基于医学文本所属的医学类别,获取属于医学类别的多个候选医学词语的步骤。
可选地,匹配模块1004,还用于:
在匹配结果指示医学文本中存在与候选医学词语匹配的描述词语的情况下,获取描述词语的关联词语,在关联词语与描述词语构成的词语的含义与候选医学词语的含义相反的情况下,确定候选医学词语与描述词语不匹配,其中,关联词语位于描述词语之前、与描述词语相邻,且包含至少一个字符;或者,
在匹配结果指示医学文本中存在与候选医学词语匹配的描述词语的情况下,如果医学文本所属对象对应的对象特征,与候选医学词语适用的对象对应的对象特征不同,确定候选医学词语与描述词语不匹配。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
需要说明的是:上述实施例提供的文本处理装置在处理文本时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将计算机设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的文本处理装置与文本处理方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请实施例还提供了一种计算机设备,该计算机设备包括处理器和存储器,存储器中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行,以实现上述实施例的文本处理方法所执行的操作。
可选地,该计算机设备提供为终端。图12是本申请实施例提供的一种终端1200的结构示意图。该终端1200可以是便携式移动终端,比如:智能手机、平板电脑、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端1200还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
终端1200包括有:处理器1201和存储器1202。
处理器1201可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器1201可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器1201也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器1201可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。在一些实施例中,处理器1201还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器1202可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器1202还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器1202中的非暂态的计算机可读存储介质用于存储至少一条计算机程序,该至少一条计算机程序用于被处理器1201所执行以实现本申请中方法实施例提供的文本处理方法。
在一些实施例中,终端1200还可选包括有:外围设备接口1203和至少一个外围设备。处理器1201、存储器1202和外围设备接口1203之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口1203相连。具体地,外围设备包括:射频电路1204、显示屏1205、摄像头组件1206、音频电路1207、定位组件1208和电源1209中的至少一种。
外围设备接口1203可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器1201和存储器1202。在一些实施例中,处理器1201、存储器1202和外围设备接口1203被集成在同一芯片或电路板上;在一些其他实施例中,处理器1201、存储器1202和外围设备接口1203中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路1204用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路1204通过电磁信号与通信网络以及其他通信设备进行通信。射频电路1204将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路1204包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路1204可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:万维网、城域网、内联网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路1204还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏1205用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏1205是触摸显示屏时,显示屏1205还具有采集在显示屏1205的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器1201进行处理。此时,显示屏1205还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏1205可以为一个,设置在终端1200的前面板;在另一些实施例中,显示屏1205可以为至少两个,分别设置在终端1200的不同表面或呈折叠设计;在另一些实施例中,显示屏1205可以是柔性显示屏,设置在终端1200的弯曲表面上或折叠面上。甚至,显示屏1205还可以设置成非矩形的不规则图形,也即异形屏。显示屏1205可以采用LCD(Liquid Crystal Display,液晶显示屏)、OLED(Organic Light-EmittingDiode,有机发光二极管)等材质制备。
摄像头组件1206用于采集图像或视频。可选地,摄像头组件1206包括前置摄像头和后置摄像头。前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件1206还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路1207可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器1201进行处理,或者输入至射频电路1204以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端1200的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器1201或射频电路1204的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路1207还可以包括耳机插孔。
定位组件1208用于定位终端1200的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件1208可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯定位系统或欧盟的伽利略定位系统的定位组件。
电源1209用于为终端1200中的各个组件进行供电。电源1209可以是交流电、直流电、一次性电池或可充电电池。当电源1209包括可充电电池时,该可充电电池可以是有线充电电池或无线充电电池。有线充电电池是通过有线线路充电的电池,无线充电电池是通过无线线圈充电的电池。该可充电电池还可以用于支持快充技术。
本领域技术人员可以理解,图12中示出的结构并不构成对终端1200的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
可选地,该计算机设备提供为服务器。图13是本申请实施例提供的一种服务器的结构示意图,该服务器1300可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central Processing Units,CPU)1301和一个或一个以上的存储器1302,其中,存储器1302中存储有至少一条计算机程序,该至少一条计算机程序由处理器1301加载并执行以实现上述各个方法实施例提供的方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条计算机程序,该至少一条计算机程序由处理器加载并执行,以实现上述实施例的文本处理方法所执行的操作。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机程序,该计算机程序被处理器执行时实现上述实施例的文本处理方法所执行的操作。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,该程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上仅为本申请实施例的可选实施例,并不用以限制本申请实施例,凡在本申请实施例的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种文本处理方法,其特征在于,文本处理模型包括分类子模型、组合子模型和识别子模型;所述方法包括:
调用所述分类子模型,获取医学文本所属的医学类别,以及属于所述医学类别的多个候选医学词语,所述医学文本从病历文本中划分得到,所述病历文本包含口语化的词语,所述候选医学词语为标准化的医学术语;
调用所述组合子模型,分别将所述医学文本与每个所述候选医学词语进行组合,得到多个组合文本;
调用所述识别子模型,对于每个组合文本,分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征;将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果,所述匹配结果指示所述医学文本中是否存在与所述候选医学词语匹配的描述词语;
所述第一语义特征包括所述医学文本中每个字符的语义特征,所述将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果,包括:
将所述第二语义特征分别与所述每个字符的语义特征进行匹配,得到所述每个字符的起始概率和终止概率,所述起始概率指示所述字符为与所述候选医学词语匹配的起始字符的概率,所述终止概率指示所述字符为与所述候选医学词语匹配的终止字符的概率;基于所述每个字符的起始概率和终止概率,从所述医学文本中确定起始字符和终止字符;将所述医学文本中,所述起始字符、所述终止字符,以及所述起始字符与所述终止字符之间的字符,构成所述描述词语;
其中,所述文本处理模型的训练过程包括:
获取样本医学文本、所述样本医学文本中的样本描述词语、所述样本描述词语对应的正样本医学词语以及所述样本描述词语对应的负样本医学词语,所述正样本医学词语为与所述样本描述词语匹配的医学词语,所述负样本医学词语为与所述样本描述词语不匹配的医学词语,且所述负样本医学词语与所述正样本医学词语相似;
调用所述文本处理模型,对所述样本医学文本和所述正样本医学词语进行处理,得到第一预测描述词语;调用所述文本处理模型,对所述样本医学文本和所述负样本医学词语进行处理,得到第二预测描述词语;基于所述第一预测描述词语、所述样本描述词语、所述正样本医学词语、所述第二预测描述词语以及所述负样本医学词语,训练所述文本处理模型。
2.根据权利要求1所述的方法,其特征在于,所述分别确定所述医学文本的第一语义特征和所述候选医学词语的第二语义特征,包括:
确定所述医学文本中每个字符的语义特征,对所述医学文本中多个字符的语义特征进行拼接,得到所述第一语义特征;
确定所述候选医学词语中每个字符的语义特征,对所述候选医学词语中多个字符的语义特征进行池化处理,得到所述第二语义特征。
3.根据权利要求1所述的方法,其特征在于,所述基于所述每个字符的起始概率和终止概率,从所述医学文本中确定起始字符和终止字符,包括:
在最大的所述起始概率大于第一阈值的情况下,将最大的所述起始概率对应的字符确定为所述起始字符;
在最大的所述终止概率大于第二阈值的情况下,将最大的所述终止概率对应的字符确定为所述终止字符。
4.根据权利要求1所述的方法,其特征在于,所述文本处理模型包括多个医学类别对应的识别子模型,每个医学类别对应的识别子模型用于处理属于所述医学类别的医学文本;
所述医学类别对应的识别子模型,用于对于每个组合文本,分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征,将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果。
5.根据权利要求1所述的方法,其特征在于,所述识别子模型包括第一识别网络和词语匹配网络;
所述第一识别网络,用于分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征;
所述词语匹配网络,用于将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果。
6.根据权利要求1所述的方法,其特征在于,所述分类子模型包括第二识别网络和分类网络;
所述第二识别网络,用于确定所述医学文本的第三语义特征;
所述分类网络,用于基于所述第三语义特征,对所述医学文本进行分类,得到所述医学类别。
7.根据权利要求1所述的方法,其特征在于,所述调用所述分类子模型,获取所述医学文本所属的医学类别,以及属于所述医学类别的多个候选医学词语,包括:
调用所述分类子模型,确定所述医学文本的第三语义特征,基于所述第三语义特征,对所述医学文本进行分类,得到所述医学类别。
8.根据权利要求1所述的方法,其特征在于,所述将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果之后,所述方法还包括:
在所述医学文本中存在与所述候选医学词语匹配的所述描述词语的情况下,从所述医学文本中提取所述描述词语;
建立所述候选医学词语与所述描述词语之间的对应关系。
9.根据权利要求1所述的方法,其特征在于,所述调用所述分类子模型,获取所述医学文本所属的医学类别,以及属于所述医学类别的多个候选医学词语之前,所述方法还包括:
获取病历文本,所述病历文本包括至少两个所述医学文本和任两个所述医学文本之间的分隔标点符号;
基于所述病历文本中的分隔标点符号,从所述病历文本中划分出至少两个所述医学文本;
对于每个所述医学文本,执行所述调用所述分类子模型,获取所述医学文本所属的医学类别,以及属于所述医学类别的多个候选医学词语的步骤。
10.根据权利要求1所述的方法,其特征在于,所述将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果之后,所述方法还包括:
在所述匹配结果指示所述医学文本中存在与所述候选医学词语匹配的描述词语的情况下,获取所述描述词语的关联词语,在所述关联词语与所述描述词语构成的词语的含义与所述候选医学词语的含义相反的情况下,确定所述候选医学词语与所述描述词语不匹配,其中,所述关联词语位于所述描述词语之前、与所述描述词语相邻,且包含至少一个字符;或者,
在所述匹配结果指示所述医学文本中存在与所述候选医学词语匹配的描述词语的情况下,如果所述医学文本所属对象对应的对象特征,与所述候选医学词语适用的对象对应的对象特征不同,确定所述候选医学词语与所述描述词语不匹配。
11.一种文本处理装置,其特征在于,文本处理模型包括分类子模型、组合子模型和识别子模型;所述装置包括:
医学词语获取模块,用于调用所述分类子模型,获取医学文本所属的医学类别,以及属于所述医学类别的多个候选医学词语,所述医学文本从病历文本中划分得到,所述病历文本包含口语化的词语,所述候选医学词语为标准化的医学术语;
文本组合模块,用于调用所述组合子模型,分别将所述医学文本与每个所述候选医学词语进行组合,得到多个组合文本;
第一特征确定模块,用于调用所述识别子模型,对于每个组合文本,分别确定所述组合文本中的所述医学文本的第一语义特征和所述候选医学词语的第二语义特征;
匹配模块,用于将所述第一语义特征与所述第二语义特征进行匹配,得到所述组合文本对应的匹配结果,所述匹配结果指示所述医学文本中是否存在与所述候选医学词语匹配的描述词语;
所述第一语义特征包括所述医学文本中每个字符的语义特征,所述匹配模块,包括:
概率获取单元,用于将所述第二语义特征分别与所述每个字符的语义特征进行匹配,得到所述每个字符的起始概率和终止概率,所述起始概率指示所述字符为与所述候选医学词语匹配的起始字符的概率,所述终止概率指示所述字符为与所述候选医学词语匹配的终止字符的概率;
字符确定单元,用于基于所述每个字符的起始概率和终止概率,从所述医学文本中确定起始字符和终止字符;
描述词语确定单元,用于将所述医学文本中,所述起始字符、所述终止字符,以及所述起始字符与所述终止字符之间的字符,构成所述描述词语;
所述装置还包括模型训练模块,所述模型训练模块用于:
获取样本医学文本、所述样本医学文本中的样本描述词语、所述样本描述词语对应的正样本医学词语以及所述样本描述词语对应的负样本医学词语,所述正样本医学词语为与所述样本描述词语匹配的医学词语,所述负样本医学词语为与所述样本描述词语不匹配的医学词语,且所述负样本医学词语与所述正样本医学词语相似;
调用所述文本处理模型,对所述样本医学文本和所述正样本医学词语进行处理,得到第一预测描述词语;
调用所述文本处理模型,对所述样本医学文本和所述负样本医学词语进行处理,得到第二预测描述词语;
基于所述第一预测描述词语、所述样本描述词语、所述正样本医学词语、所述第二预测描述词语以及所述负样本医学词语,训练所述文本处理模型。
12.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以实现如权利要求1至10任一权利要求所述的文本处理方法所执行的操作。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以实现如权利要求1至10任一权利要求所述的文本处理方法所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111193427.4A CN113641799B (zh) | 2021-10-13 | 2021-10-13 | 文本处理方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111193427.4A CN113641799B (zh) | 2021-10-13 | 2021-10-13 | 文本处理方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113641799A CN113641799A (zh) | 2021-11-12 |
CN113641799B true CN113641799B (zh) | 2022-02-11 |
Family
ID=78426637
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111193427.4A Active CN113641799B (zh) | 2021-10-13 | 2021-10-13 | 文本处理方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113641799B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117688611B (zh) * | 2024-01-30 | 2024-06-04 | 深圳昂楷科技有限公司 | 电子病历脱敏方法及系统、电子设备、存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111128394A (zh) * | 2020-03-26 | 2020-05-08 | 腾讯科技(深圳)有限公司 | 医疗文本语义识别方法、装置、电子设备及可读存储介质 |
CN112464662A (zh) * | 2020-12-02 | 2021-03-09 | 平安医疗健康管理股份有限公司 | 医学短语匹配方法、装置、设备及存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110021439B (zh) * | 2019-03-07 | 2023-01-24 | 平安科技(深圳)有限公司 | 基于机器学习的医疗数据分类方法、装置和计算机设备 |
CN111241832B (zh) * | 2020-01-15 | 2023-08-15 | 北京百度网讯科技有限公司 | 核心实体标注方法、装置及电子设备 |
CN111444349B (zh) * | 2020-03-06 | 2023-09-12 | 深圳追一科技有限公司 | 信息抽取方法、装置、计算机设备和存储介质 |
CN112434510B (zh) * | 2020-11-24 | 2024-03-29 | 北京字节跳动网络技术有限公司 | 一种信息处理方法、装置、电子设备和存储介质 |
CN112800173B (zh) * | 2021-04-14 | 2021-07-09 | 北京金山云网络技术有限公司 | 标准化数据库和医学文本库的构建方法、装置及电子设备 |
-
2021
- 2021-10-13 CN CN202111193427.4A patent/CN113641799B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111128394A (zh) * | 2020-03-26 | 2020-05-08 | 腾讯科技(深圳)有限公司 | 医疗文本语义识别方法、装置、电子设备及可读存储介质 |
CN112464662A (zh) * | 2020-12-02 | 2021-03-09 | 平安医疗健康管理股份有限公司 | 医学短语匹配方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113641799A (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2023125335A1 (zh) | 问答对生成的方法和电子设备 | |
CN111985240A (zh) | 命名实体识别模型的训练方法、命名实体识别方法及装置 | |
CN111930964B (zh) | 内容处理方法、装置、设备及存储介质 | |
CN114332530A (zh) | 图像分类方法、装置、计算机设备及存储介质 | |
CN113515942A (zh) | 文本处理方法、装置、计算机设备及存储介质 | |
CN112989767B (zh) | 医学词语标注方法、医学词语映射方法、装置及设备 | |
CN112035671B (zh) | 状态检测方法、装置、计算机设备及存储介质 | |
CN112749728A (zh) | 学生模型训练方法、装置、计算机设备及存储介质 | |
CN113569042A (zh) | 文本信息分类方法、装置、计算机设备及存储介质 | |
CN113641799B (zh) | 文本处理方法、装置、计算机设备及存储介质 | |
CN113257412B (zh) | 信息处理方法、装置、计算机设备及存储介质 | |
CN114677350A (zh) | 连接点提取方法、装置、计算机设备及存储介质 | |
CN114328945A (zh) | 知识图谱对齐方法、装置、设备以及存储介质 | |
CN112037305B (zh) | 对图像中的树状组织进行重建的方法、设备及存储介质 | |
CN114281936A (zh) | 分类方法、装置、计算机设备及存储介质 | |
CN113761119A (zh) | 状态检测方法、装置、计算机设备及存储介质 | |
CN113822084A (zh) | 语句翻译方法、装置、计算机设备及存储介质 | |
CN112287070A (zh) | 词语的上下位关系确定方法、装置、计算机设备及介质 | |
CN111310461B (zh) | 事件元素提取方法、装置、设备及存储介质 | |
CN112989134A (zh) | 节点关系图的处理方法、装置、设备及存储介质 | |
CN113569002A (zh) | 文本搜索方法、装置、设备以及存储介质 | |
CN114510942A (zh) | 获取实体词的方法、模型的训练方法、装置及设备 | |
CN114281937A (zh) | 嵌套实体识别模型的训练方法、嵌套实体识别方法及装置 | |
CN115130456A (zh) | 语句解析、匹配模型的训练方法、装置、设备及存储介质 | |
CN114360528A (zh) | 语音识别方法、装置、计算机设备及存储介质 |
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 | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40055310 Country of ref document: HK |