CN114913953B - 医学实体关系的识别方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供了一种医学实体关系的识别方法、装置、电子设备及存储介质，获取目标医疗记录文本；根据预先确定的医学实体识别模型对目标医疗记录文本进行实体词语识别，确定目标医疗记录文本中的医学实体词语；分别在每个医学实体词语的首尾位置处添加分隔符，并按目标医疗记录文本的阅读顺序，将识别出的医学实体词语按阅读顺序依次连接，生成医疗记录短语；将医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本；将待识别文本输入至预训练语言模型中进行实体关系识别，得到待识别文本中掩码填写位置处医学实体关系的目标识别结果。这样，通过本申请提供的方法，可以降低人工成本投入以及提高医学实体关系识别结果的准确性。

Description

医学实体关系的识别方法、装置、电子设备及存储介质

技术领域

本申请涉及电子信息技术领域，尤其是涉及一种医学实体关系的识别方法、装置、电子设备及存储介质。

背景技术

随着医院信息化的飞速发展，积累的医疗数据越来越多，其中最基础的医疗数据是电子病历，然而，由于电子病历大部分由自然语言构成且包含部分非结构化数据，使得电子病历中的有用信息无法被依赖于结构化数据的临床决策系统直接使用，因此就需要进行文本数据归一化处理。文本数据的归一化对实现临床决策辅助系统、内涵质控、鉴别诊断等应用起到重要作用，其中，医学实体关系识别为文本数据的归一化处理过程中的重要环节。

医学实体关系识别是指从电子病历中提取解剖部位、诊断、肿瘤分期等实体词语，基于提取的多个实体词语建立关系从而组成富有意义的短语。相关技术中，医学实体关系抽取主要依赖于规则的制定，而医学文本具有复杂性和专业性的特点，因此规则的制定和总结十分困难。此外，随着机器学习尤其是深度学习的发展，也可以通过深度学习的方式抽取医学实体关系，但深度学习的构建与训练需要基于大量已标注数据，在实际场景中，由于医疗数据标注成本大、对标注者专业度要求高等问题，导致了可用于深度学习训练中的数据非常有限，从而无法通过深度学习的方式大规模抽取医学实体关系。

发明内容

有鉴于此，本申请的目的在于提供一种医学实体关系的识别方法、装置、电子设备及存储介质，通过构建具有可训练数组的提示模板代替了人工设计模板，降低人工成本投入，并通过预训练语言模型直接对由医疗记录短语和目标提示模板组成的待识别文本进行医学实体关系识别，可以有效的提高识别结果的准确性。

本申请实施例提供了一种医学实体关系的识别方法，所述识别方法包括：

获取目标医疗记录文本；所述目标医疗记录文本记录在电子病历中；

根据预先确定的医学实体识别模型对所述目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本所包括的医学实体词语；所述医学实体词语为具有医学信息的命名实体词；

分别在每个医学实体词语的首尾位置处添加分隔符，并按所述目标医疗记录文本的阅读顺序，将识别出的所述医学实体词语按所述阅读顺序依次连接，生成医疗记录短语；

将所述医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本；其中，所述目标提示模板为对包括掩码填写位置和待训练数组的初始提示模板进行训练得到的，所述掩码填写位置用于填入所述目标医疗记录文本的医学实体关系的识别结果；

将所述待识别文本输入至预训练语言模型中进行实体关系识别，得到所述待识别文本中掩码填写位置处医学实体关系的目标识别结果。

可选的，通过以下步骤构建所述目标提示模板：

获取从电子病历中提取的多个待训练医疗记录文本；

根据所述医学实体识别模型对每个待训练医疗记录文本进行实体词语识别，确定每个待训练医疗记录文本所包括的医学实体词语以及每个医学实体词语的实体类型；

根据预设的至少一种样本生成规则，基于每个待训练医疗记录文本中每个医学实体词语的实体类型，分别对每个待训练医疗记录文本包括的医学实体词语进行筛选，并对筛选出的医学实体词语进行组合，确定每个待训练医疗记录文本对应的至少一个待训练样本；所述待训练样本中包括正样本和负样本，所述样本生成规则中规定了正样本中医学实体词语的实体类型；

基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板；所述初始提示模板中的待训练数组为根据bert词表所构建的具有预设数量的待训练变量的数组。

可选的，每种样本生成规则均是根据所对应的预设的医疗项目进行构建的；其中，所述医疗项目中规定了具有医学实体关系时所需包括的医学实体词语的实体类型。

可选的，所述待训练样本包括待训练文本和文本关系标签，所述基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板，包括：

针对每个待训练样本中的待训练文本，对该待训练文本中的每个医学实体词语的首尾位置处添加所述分隔符，得到目标待训练文本；

针对每个目标待训练文本，将该目标待训练文本的文本关系标签添加至所述初始提示模板中的掩码填写位置，以及将该目标待训练文本添加至所述初始提示模板尾部，形成待训练输入特征；

将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化，直至所述预训练语言模型收敛，得到目标提示模板。

可选的，所述医疗项目包括症状、药品、手术、评分表、检验以及检查。

可选的，在将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化时，固定所述预训练语言模型的模型参数不变。

可选的，所述预训练语言模型为bert模型。

本申请实施例还提供了一种医学实体关系的识别装置，所述识别装置包括：

获取模块，用于获取目标医疗记录文本；所述目标医疗记录文本记录在电子病历中；

第一确定模块，用于根据预先确定的医学实体识别模型对所述目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本所包括的医学实体词语；所述医学实体词语为具有医学信息的命名实体词；

生成模块，用于分别在每个医学实体词语的首尾位置处添加分隔符，并按所述目标医疗记录文本的阅读顺序，将识别出的所述医学实体词语按所述阅读顺序依次连接，生成医疗记录短语；

第二确定模块，用于将所述医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本；其中，所述目标提示模板为对包括掩码填写位置和待训练数组的初始提示模板进行训练得到的，所述掩码填写位置用于填入所述目标医疗记录文本的医学实体关系的识别结果；

第三确定模块，用于将所述待识别文本输入至预训练语言模型中进行实体关系识别，得到所述待识别文本中掩码填写位置处医学实体关系的目标识别结果。

可选的，所述识别装置中还包括构建模块，所述构建模块用于：

获取从电子病历中提取的多个待训练医疗记录文本；

根据所述医学实体识别模型对每个待训练医疗记录文本进行实体词语识别，确定每个待训练医疗记录文本所包括的医学实体词语以及每个医学实体词语的实体类型；

根据预设的至少一种样本生成规则，基于每个待训练医疗记录文本中每个医学实体词语的实体类型，分别对每个待训练医疗记录文本包括的医学实体词语进行筛选，并对筛选出的医学实体词语进行组合，确定每个待训练医疗记录文本对应的至少一个待训练样本；所述待训练样本中包括正样本和负样本，所述样本生成规则中规定了正样本中医学实体词语的实体类型；

基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板；所述初始提示模板中的待训练数组为根据bert词表所构建的具有预设数量的待训练变量的数组。

可选的，每种样本生成规则均是根据所对应的预设的医疗项目进行构建的；其中，所述医疗项目中规定了具有医学实体关系时所需包括的医学实体词语的实体类型。

可选的，所述待训练样本包括训练文本和文本关系标签，所述构建模块在用于基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板时，所述构建模块用于：

针对每个待训练样本中的待训练文本，对该待训练文本中的每个医学实体词语的首尾位置处添加所述分隔符，得到目标待训练文本；

针对每个目标待训练文本，将该目标待训练文本的文本关系标签添加至所述初始提示模板中的掩码填写位置，以及将该目标待训练文本添加至所述初始提示模板尾部，形成待训练输入特征；

将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化，直至所述预训练语言模型收敛，得到目标提示模板。

可选的，所述医疗项目包括症状、药品、手术、评分表、检验以及检查。

可选的，所述构建模块在用于将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化时，固定所述预训练语言模型的模型参数不变。

可选的，所述预训练语言模型为bert模型。

本申请实施例还提供一种电子设备，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上述的识别方法的步骤。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的识别方法的步骤。

本申请实施例提供的一种医学实体关系的识别方法、装置、电子设备及存储介质，所述识别方法包括：获取目标医疗记录文本；所述目标医疗记录文本记录在电子病历中；根据预先确定的医学实体识别模型对所述目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本所包括的医学实体词语；所述医学实体词语为具有医学信息的命名实体词；分别在每个医学实体词语的首尾位置处添加分隔符，并按所述目标医疗记录文本的阅读顺序，将识别出的所述医学实体词语按所述阅读顺序依次连接，生成医疗记录短语；将所述医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本；其中，所述目标提示模板为对包括掩码填写位置和待训练数组的初始提示模板进行训练得到的，所述掩码填写位置用于填入所述目标医疗记录文本的医学实体关系的识别结果；将所述待识别文本输入至预训练语言模型中进行实体关系识别，得到所述待识别文本中掩码填写位置处医学实体关系的目标识别结果。

这样，本申请通过医学领域的先验知识，定义医疗项目和医疗项目下进行医学实体关系识别所对应的实体类型组合规则，基于此设定让医学实体关系的识别变的更为简单，也使得模型可以更好的学习；构建的医疗记录短语是由多个医学实体词语组成的，这样基于医学领域设置了切合业务的多元组实体关系识别，可以更好的为医学业务服务，使得模型不会学习存在偏差；通过提示模板和预训练语言模型结合的方式做实体关系识别，更好的利用预训练的能力，其效果优于微调预训练模型效果；构建的提示模板是具有可训练数组的模板，也就是说提示模板使用连续参数优化，放弃prompt人工模板设计的繁琐，简化了模板构造的过程以及使得构造的模板和模型更匹配，从而可以提高医学实体关系识别的准确性。

为使本申请的上述目的、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申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。

图1为本申请实施例所提供的一种医学实体关系的识别方法的流程图；

图2为本申请提供的训练初始提示模板的示意图；

图3为本申请提供的使用预训练语言模型进行医学实体关系识别的示意图；

图4为本申请实施例所提供的一种医学实体关系的识别的结构示意图之一；

图5为本申请实施例所提供的一种医学实体关系的识别的结构示意图之二；

图6为本申请实施例所提供的一种电子设备的结构示意图。

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，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

随着医院信息化的飞速发展，积累的医疗数据越来越多，其中最基础的医疗数据是电子病历，然而，由于电子病历大部分由自然语言构成且包含部分非结构化数据，使得电子病历中的有用信息无法被依赖于结构化数据的临床决策系统直接使用，因此就需要进行文本数据归一化处理。其中，医学实体关系识别为文本数据的归一化处理过程中的重要环节。

医学实体关系识别是指从电子病历中提取解剖部位、诊断、肿瘤分期等实体词语，基于提取的多个实体词语建立关系从而组成富有意义的短语。相关技术中，医学实体关系抽取主要依赖于规则的制定，而医学文本具有复杂性和专业性的特点，因此规则的制定和总结十分困难。此外，随着机器学习尤其是深度学习的发展，也可以通过深度学习的方式抽取医学实体关系，但深度学习的构建与训练需要基于大量已标注数据，但由于医疗数据标注成本大、对标注者专业度要求高等问题，导致了可用于深度学习训练中的数据非常有限，从而无法通过深度学习的方式大规模抽取医学实体关系。

基于此，本申请实施例提供了一种医学实体关系的识别方法，降低人工成本投入以及可以有效的提高识别结果的准确性。

请参阅图1，图1为本申请实施例所提供的一种医学实体关系的识别方法的流程图。如图1中所示，本申请实施例提供的识别方法，包括：

S101、获取目标医疗记录文本。

这里，所述目标医疗记录文本记录在电子病历中；该电子病历可以是用户输入的，也可以是存储在本地存储中的，还可以存储在云端服务器的。

其中，所述目标医疗记录文本可以为具有不同长度字符的记录文本，所目标医疗记录文本为需进行医学实体关系识别的文本。

S102、根据预先确定的医学实体识别模型对所述目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本所包括的医学实体词语。

这里，所述医学实体词语为具有医学信息的命名实体词；所述医学实体识别模型是预先训练好的，可用于识别医学实体词语以及医学实体词语的实体类型的模型。

其中，在对目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本包括的所有医学实体词语时，还同时确定每个医学实体词语的实体类型，每种实体类型具有唯一的标识信息，以便与其他实体类型区分开。

多个医学实体词语对应的实体类型可以为同一实体类型，所述实体类型可以包括解剖部位BDY、方位POS、症状SYM、观察对象WAT、性质ATT、时间TIM等多种有医学含义的实体类型，具体可以设置37种实体类型。所述BDY、POS、SYM、WAT、ATT、TIM是实体类型对应的预设标识信息。

示例的，假设从电子病历中获取的目标医疗记录文本为“右踝扭伤反复疼痛不适2月”，通过医学实体词典进行实体词语识别后，得到的结果为：右/POS_踝/BDY_扭伤/SYM_反复/ATT_疼痛/SYM_不适/SYM_2月/TIM，这样，所述医疗记录文本中包括的医学实体词语有（右、踝、扭伤、反复、疼痛、不适、2月）。

S103、分别在每个医学实体词语的首尾位置处添加分隔符，并按所述目标医疗记录文本的阅读顺序，将识别出的所述医学实体词语按所述阅读顺序依次连接，生成医疗记录短语。

这里，添加的分隔符的符号类型是根据所使用的可进行医学实体关系识别的模型所选择的，对识别出的每个医学实体词语的首尾位置处添加分隔符是为了在后续进行医学实体关系识别时更好的确定每个医学实体词语。

示例的，当选择的模型为bert模型时，所选择的分隔符为$，这样，当目标医疗记录文本为“右踝扭伤反复疼痛不适2月”时，所述形成的医疗记录短语为“$右$$踝$$扭伤$$反复$$疼痛$$不适$$2月$”。

S104、将所述医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本。

该步骤中，所述目标提示模板为对包括掩码填写位置和待训练数组的初始提示模板进行训练得到的，所述掩码填写位置用于填入所述目标医疗记录文本的医学实体关系的识别结果，所述识别结果为二分类结果。其中，当对可训练数组中的变量训练完成后可得到目标提示模板。所述识别结果包括“有”和“无”两种关系。

在本申请提供的一种实施方式中，通过以下步骤构建所述目标提示模板：获取从电子病历中提取的多个待训练医疗记录文本；根据所述医学实体识别模型对每个待训练医疗记录文本进行实体词语识别，确定每个待训练医疗记录文本所包括的医学实体词语以及每个医学实体词语的实体类型；根据预设的至少一种样本生成规则，基于每个待训练医疗记录文本中每个医学实体词语的实体类型，分别对每个待训练医疗记录文本包括的医学实体词语进行筛选，并对筛选出的医学实体词语进行组合，确定每个待训练医疗记录文本对应的至少一个待训练样本；所述待训练样本中包括正样本和负样本，所述样本生成规则中规定了正样本中医学实体词语的实体类型；基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板；所述初始提示模板中的待训练数组为根据bert词表所构建的具有预设数量的待训练变量的数组。

该步骤中，样本生成规则中规定了具体那几种实体类型的医学实体词语同时存在时有医学实体关系，也就是说所述样本生成规则中限定了实体类型的组合形式，这里，一种所述样本生成规则对应一种实体类型的组合形式。

在本申请提供的另一种实施方式中，每种样本生成规则均是根据所对应的预设的医疗项目进行构建的；其中，所述医疗项目中规定了具有医学实体关系时所需包括的医学实体词语的实体类型。所述医疗项目包括症状、药品、手术、评分表、检验以及检查。

这里，所述医疗项目是根据医学研究领域所确定的，这里定义了六种医疗项目，其中，每种医疗项目类别的实体类型的组合形式如下所示：

症状类别对应的实体类型的组合形式为[症状SYM+存在状态EXA/MAY/NEG+性质ATT+部位或方位POS/BDY+时间TIM]；药品类别对应的实体类型的组合形式为[药品名称MED+用药途径ROU+剂量DOS+规格SPE+频次FRE+时间TIM]；手术类别对应的实体类型的组合形式为[入路OPR+手术名称OPM＋开始时间TIM＋结束时间TIM+手术持续时间TIM+部位POS+植入物OPX]；评分类别对应的实体类型的组合形式为[评分表名称WAT+数值VAU+单位UNT+时间点TIM+时间段TIM]；检验栏目需要识别的实体为[检验细项实体名称WAT+从属检验单名称WAT+时间点TIM+时间段TIM+数值VAU+单位UNT+存在状态EXA/MAY/NEG]；检查栏目需要识别的实体为[检查方法EXA+检查部位POS/BDY+值VAU+单位UNT+检查结论SYM+报告时间TIM]。

需要说明的是，每个症状类别对应的实体类型的组合形式中的多个实体类型，可划分为必要实体类型和非必要实体类型，例如症状类别对应的实体类型的组合形式中的症状SYM、时间TIM以及转移部位POS/BDY为必要实体类型，其余为非必要实体类型。其中，符合所述样本生成规则中实体类型的组合形式的训练样本为正样本，不符合的为负训练样本。

示例的，以待训练医疗记录文本为“右踝扭伤反复疼痛不适2月”为例，说明训练样本的确定过程。根据实体类型组合规则，以及文本中包括的实体词语和实体词语的类型，确定该文本属于症状类别，那么可识别出症状类别存在医学实体关系的关系对短语(正样本)为：{右POS_踝BDY_扭伤SYM_2月TIM}、{右POS_踝BDY_反复ATT_疼痛不适SYM_2月TIM}。这里实体关系对短语需要保证每个样本都只描述一件事情，若短语为多件事情需要进行拆分。比如扭伤为一件事，另一事就是疼痛不适。这样在确定出正样本后，也可以确定出正样本对应的第一实体类型序列，然后对待训练医疗记录文本中的实体词语进行随机组合，使得随机组合形成的样本对应的第二实体类型序列与所述第一实体类型序列不同即可，这样随机组合生成的样本即为负样本，示例的，形成的负样本为：{扭伤_疼痛不适}、{扭伤_反复}，这些负样本都是信息实体关系不对或者包含不全的关系对。

需要说明的是，每个待训练医疗记录文本可生成至少一个正样本，也可以生成多个正样本和多个负样本。其中，生成大量训练样本的同时也确定出每个训练样本对应的样本标签。

由此可看出基于医学的实体关系识别需要定义具体的医疗项目和医疗项目下对应实体识别类型，约定好识别范围，相对于开放性的关系识别任务难度更简单，模型能更好的做识别。并且医疗领域的关系识别是需要在句子中把多个不相邻的实体词语组合在一起才能产生有医学含义的短语，而其他领域不会存在这么多不相邻实体的组合方式，一般常用都是三元组关系识别。因此基于医疗领域这些特性我们也可以设计多元组的prompt识别，多元组表示多个实体组合，具体多少个是依赖之前定义的实体类型组合规则确定。

所述初始提示模板为事先构建的，所述初始提示模板为prompt模板，构建的prompt模板是根据bert词表所构建的具有预设长度的待训练数组以及掩码填写位置的模板。待训练数组为根据bert词表所构建的具有预设数量的待训练变量的数组，待训练数组的长度可根据历史调试结果进行适用性选择。

示例的，构建prompt模板的过程如下：在设置prompt模板时，使用的是[unused0]，[unused1]，[unused2]，[unused3]，[unused4]，[unused5]，[unused6]，[unused7]，[unused8]的bert词表组成一个长度为9的可训练数组，之所以使用长度为9的可训练数组，是因为太长的待训练数组训练参数太多模型欠弥合导致训练集和预测集效果都不好，而长度太短模型过拟合导致训练集效果好但是预测集不好。经过多次调参发现设置长度为9的待训练数组效果最好，同时在[unused3]后插入[mask]（掩码填写位置），此位置位于可训练数组的中央，更好的利用可训练数组上下位置的信息，[mask]词表用于表示预测的实体关系是否存在，[mask]存在两种值：“有”表示正样本；“无”表示负样本，那么最终[unused0]，[unused1]，[unused2]，[unused3]，[mask]，[unused4]，[unused5]，[unused6]，[unused7]，[unused8]组成一个长度为10的数组的模板，unused0-unused8词表都是待训练的变量，这样就能实现模板通过训练获取而不需要繁琐人工设计。

在本申请提供的另一种实施方式中，所述待训练样本包括待训练文本和文本关系标签，所述基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板，包括：针对每个待训练样本中的待训练文本，对该待训练文本中的每个医学实体词语的首尾位置处添加所述分隔符，得到目标待训练文本；针对每个目标待训练文本，将该目标待训练文本的文本关系标签添加至所述初始提示模板中的掩码填写位置，以及将该目标待训练文本添加至所述初始提示模板尾部，形成待训练输入特征；将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化，直至所述预训练语言模型收敛，得到目标提示模板。

这里，在将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化时，固定所述预训练语言模型的模型参数不变。这样，在训练过程中，我们固定住预训练语言模型的参数不随着训练过程进行修改，这样训练就变成调整可训练数组的参数（较少参数量），而非调节预训练语言模型的参数（较多参数量），从而实现模型的快速收敛，与此同时这样固定预训练语言模型参数，只是在预测时加入模板进行提示，让其能保持预训练的MLM任务形态及其模型的参数，从而能更好利用预训练的潜力，只调整模板的参数相对于微调bert方式训练参数少很多，能快速进行训练。

示例的，请参阅图2，图2为本申请提供的训练初始提示模板的示意图。如图2所示，在训练阶段已知正负训练样本，“模板”[mask]填入“有”或者“无”分别表示正负训练样本，并在模板后拼接文本，其中使用$ $分隔符放在将所需要识别的医学实体词语前和后，将医学实体词语放在中间，这样预测多元组（训练样本）的关系时，通过添加分隔符进行标注的形式，可告诉预训练语言模型哪些是我们需要预测的多元组实体。另外训练过程，预训练语言模型（bert大模型）不需要再进行训练，保持bert参数是固定不变的，只调整模板的参数[unused0]，[unused1]，[unused2]，[unused3]，[mask]，[unused4]，[unused5]，[unused6]，[unused7]，[unused8]，可训练参数[unused0-unused8]+[mask]替换成有或者无表示正负样本+包含多元组实体标注的句子，这些词都会通过bert的词典映射，从而转成词典对应的embeding，这些可训练变量[unused0-unused9]的embedding就可通过bert进行调整，当达到收敛时，训练结束，就可以得到目标提示模板。

这里，在训练得到目标提示模板后，即可确定目标提示模板中可训练数组中每个变量的目标参数。这样，将医疗记录短语添加至目标提示模板的尾部，即可形成通过预训练语言模型进行医学实体关系识别的待识别文本，从而进行医学实体关系的识别。

S105、将所述待识别文本输入至预训练语言模型中进行实体关系识别，得到所述待识别文本中掩码填写位置处医学实体关系的目标识别结果。

这里，所述目标识别结果用于确定所述目标医疗记录文本的医学实体关系，所述目标识别结果也就是所述目标医疗记录文本的识别结果，所述目标识别结果为二分类识别结果，可以为有，也可以为无。

这里，所述预训练语音模型可以选择bert模型。

示例的，请参阅图3，图3为本申请提供的使用预训练语言模型进行医学实体关系识别的示意图。如图3所示，在识别阶段“模板”[MASK]位置使用预训练语言模型（bert模型）[MASK]进行预测，模板的[MASK]的位置输出维度为(21128)的向量，其中21128数组是根据bert词典定义的词表长度，那么我们取训练时候用的词“有”和词“无”(训练时候分别表示正负样本)的向量比较他们的分数，较大的作为识别结果。例如[MASK]输出1*21128维度向量，“有”映射词表的id为3300，同样“无”则为3187，在识别时，经过bert模型后会输出这个[MASK]位置的所有21128维度的分值，在21128词表维度中找到3300和3187位置的值，这两个位置分别表示“有”和“无”的概率值，比如[MASK]作为句子输入经过bert的transformerencode之后，对应该位置可得到长度为21128的向量分数，我们取3300和3187位置的值分别为0.73625和0.25002，取最大则输出结果为“有”。这样，确定出的目标医疗记录文本“右踝扭伤反复疼痛不适2月”的医学实体关系的识别结果为有。

本申请实施例提供的一种医学实体关系的识别方法，所述识别方法包括：获取目标医疗记录文本；所述目标医疗记录文本记录在电子病历中；根据预先确定的医学实体识别模型对所述目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本所包括的医学实体词语；所述医学实体词语为具有医学信息的命名实体词；分别在每个医学实体词语的首尾位置处添加分隔符，并按所述目标医疗记录文本的阅读顺序，将识别出的所述医学实体词语按所述阅读顺序依次连接，生成医疗记录短语；将所述医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本；其中，所述目标提示模板为对包括掩码填写位置和待训练数组的初始提示模板进行训练得到的，所述掩码填写位置用于填入所述目标医疗记录文本的医学实体关系的识别结果；将所述待识别文本输入至预训练语言模型中进行实体关系识别，得到所述待识别文本中掩码填写位置处医学实体关系的目标识别结果。

这样，本申请通过医学领域的先验知识，定义医疗项目和医疗项目下进行医学实体关系识别所对应的实体类型组合规则，基于此设定让医学实体关系的识别变的更为简单，也使得模型可以更好的学习；构建的医疗记录短语是由多个医学实体词语组成的，这样基于医学领域设置了切合业务的多元组实体关系识别，可以更好的为医学业务服务，使得模型不会学习存在偏差；通过提示模板和预训练语言模型结合的方式做实体关系识别，更好的利用预训练的能力，其效果优于微调预训练模型效果；构建的提示模板是具有可训练数组的模板，也就是说提示模板使用连续参数优化，放弃prompt人工模板设计的繁琐，简化了模板构造的过程以及使得构造的模板和模型更匹配，从而可以提高医学实体关系识别的准确性。

请参阅图4、图5，图4为本申请实施例所提供的一种医学实体关系的识别装置的结构示意图之一，图5为本申请实施例所提供的一种医学实体关系的识别装置的结构示意图之二。如图4中所示，所述识别装置400包括：

获取模块410，用于获取目标医疗记录文本；所述目标医疗记录文本记录在电子病历中；

第一确定模块420，用于根据预先确定的医学实体识别模型对所述目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本所包括的医学实体词语；所述医学实体词语为具有医学信息的命名实体词；

生成模块430，用于分别在每个医学实体词语的首尾位置处添加分隔符，并按所述目标医疗记录文本的阅读顺序，将识别出的所述医学实体词语按所述阅读顺序依次连接，生成医疗记录短语；

第二确定模块440，用于将所述医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本；其中，所述目标提示模板为对包括掩码填写位置和待训练数组的初始提示模板进行训练得到的，所述掩码填写位置用于填入所述目标医疗记录文本的医学实体关系的识别结果；

第三确定模块450，用于将所述待识别文本输入至预训练语言模型中进行实体关系识别，得到所述待识别文本中掩码填写位置处医学实体关系的目标识别结果。

可选的，如图5所示，所述识别装置400中还包括构建模块460，所述构建模块460用于：

获取从电子病历中提取的多个待训练医疗记录文本；

根据所述医学实体识别模型对每个待训练医疗记录文本进行实体词语识别，确定每个待训练医疗记录文本所包括的医学实体词语以及每个医学实体词语的实体类型；

根据预设的至少一种样本生成规则，基于每个待训练医疗记录文本中每个医学实体词语的实体类型，分别对每个待训练医疗记录文本包括的医学实体词语进行筛选，并对筛选出的医学实体词语进行组合，确定每个待训练医疗记录文本对应的至少一个待训练样本；所述待训练样本中包括正样本和负样本，所述样本生成规则中规定了正样本中医学实体词语的实体类型；

基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板；所述初始提示模板中的待训练数组为根据bert词表所构建的具有预设数量的待训练变量的数组。

可选的，每种样本生成规则均是根据所对应的预设的医疗项目进行构建的；其中，所述医疗项目中规定了具有医学实体关系时所需包括的医学实体词语的实体类型。

可选的，所述待训练样本包括训练文本和文本关系标签，所述构建模块460在用于基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板时，所述构建模块460用于：

针对每个待训练样本中的待训练文本，对该待训练文本中的每个医学实体词语的首尾位置处添加所述分隔符，得到目标待训练文本；

针对每个目标待训练文本，将该目标待训练文本的文本关系标签添加至所述初始提示模板中的掩码填写位置，以及将该目标待训练文本添加至所述初始提示模板尾部，形成待训练输入特征；

将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化，直至所述预训练语言模型收敛，得到目标提示模板。

可选的，所述医疗项目包括症状、药品、手术、评分表、检验以及检查。

可选的，所述构建模块460在用于将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化时，固定所述预训练语言模型的模型参数不变。

可选的，所述预训练语言模型为bert模型。

请参阅图6，图6为本申请实施例所提供的一种电子设备的结构示意图。如图6中所示，所述电子设备600包括处理器610、存储器620和总线630。

所述存储器620存储有所述处理器610可执行的机器可读指令，当电子设备600运行时，所述处理器610与所述存储器620之间通过总线630通信，所述机器可读指令被所述处理器610执行时，可以执行如上述图1至图3所示方法实施例中的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1至图3所示方法实施例中的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元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单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元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。

所述功能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，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种医学实体关系的识别方法，其特征在于，所述识别方法包括：

获取目标医疗记录文本；所述目标医疗记录文本记录在电子病历中；

根据预先确定的医学实体识别模型对所述目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本所包括的医学实体词语；所述医学实体词语为具有医学信息的命名实体词；

分别在每个医学实体词语的首尾位置处添加分隔符，并按所述目标医疗记录文本的阅读顺序，将识别出的所述医学实体词语按所述阅读顺序依次连接，生成医疗记录短语；

将所述医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本；其中，所述目标提示模板为对包括掩码填写位置和待训练数组的初始提示模板进行训练得到的，所述掩码填写位置用于填入所述目标医疗记录文本的医学实体关系的识别结果；

将所述待识别文本输入至预训练语言模型中进行实体关系识别，得到所述待识别文本中掩码填写位置处医学实体关系的目标识别结果；

通过以下步骤构建所述目标提示模板：

获取从电子病历中提取的多个待训练医疗记录文本；

根据所述医学实体识别模型对每个待训练医疗记录文本进行实体词语识别，确定每个待训练医疗记录文本所包括的医学实体词语以及每个医学实体词语的实体类型；

根据预设的至少一种样本生成规则，基于每个待训练医疗记录文本中每个医学实体词语的实体类型，分别对每个待训练医疗记录文本包括的医学实体词语进行筛选，并对筛选出的医学实体词语进行组合，确定每个待训练医疗记录文本对应的至少一个待训练样本；所述待训练样本中包括正样本和负样本，所述样本生成规则中规定了正样本中医学实体词语的实体类型；

基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板；所述初始提示模板中的待训练数组为根据bert词表所构建的具有预设数量的待训练变量的数组。

2.根据权利要求1所述的识别方法，其特征在于，每种样本生成规则均是根据所对应的预设的医疗项目进行构建的；其中，所述医疗项目中规定了具有医学实体关系时所需包括的医学实体词语的实体类型。

3.根据权利要求1所述的识别方法，其特征在于，所述待训练样本包括待训练文本和文本关系标签，所述基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板，包括：

针对每个待训练样本中的待训练文本，对该待训练文本中的每个医学实体词语的首尾位置处添加所述分隔符，得到目标待训练文本；

针对每个目标待训练文本，将该目标待训练文本的文本关系标签添加至所述初始提示模板中的掩码填写位置，以及将该目标待训练文本添加至所述初始提示模板尾部，形成待训练输入特征；

将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化，直至所述预训练语言模型收敛，得到目标提示模板。

4.根据权利要求2所述的识别方法，其特征在于，所述医疗项目包括症状、药品、手术、评分表、检验以及检查。

5.根据权利要求3所述的识别方法，其特征在于，在将所有待训练输入特征集合输入至预训练语言模型中，对所述初始提示模板中的可训练数组进行参数优化时，固定所述预训练语言模型的模型参数不变。

6.根据权利要求1所述的识别方法，其特征在于，所述预训练语言模型为bert模型。

7.一种医学实体关系的识别装置，其特征在于，所述识别装置包括：

获取模块，用于获取目标医疗记录文本；所述目标医疗记录文本记录在电子病历中；

第一确定模块，用于根据预先确定的医学实体识别模型对所述目标医疗记录文本进行实体词语识别，确定所述目标医疗记录文本所包括的医学实体词语；所述医学实体词语为具有医学信息的命名实体词；

生成模块，用于分别在每个医学实体词语的首尾位置处添加分隔符，并按所述目标医疗记录文本的阅读顺序，将识别出的所述医学实体词语按所述阅读顺序依次连接，生成医疗记录短语；

第二确定模块，用于将所述医疗记录短语添加至预先训练好的目标提示模板的尾部，构成待识别文本；其中，所述目标提示模板为对包括掩码填写位置和待训练数组的初始提示模板进行训练得到的，所述掩码填写位置用于填入所述目标医疗记录文本的医学实体关系的识别结果；

第三确定模块，用于将所述待识别文本输入至预训练语言模型中进行实体关系识别，得到所述待识别文本中掩码填写位置处医学实体关系的目标识别结果；

所述识别装置中还包括构建模块，所述构建模块用于：

获取从电子病历中提取的多个待训练医疗记录文本；

根据所述医学实体识别模型对每个待训练医疗记录文本进行实体词语识别，确定每个待训练医疗记录文本所包括的医学实体词语以及每个医学实体词语的实体类型；

根据预设的至少一种样本生成规则，基于每个待训练医疗记录文本中每个医学实体词语的实体类型，分别对每个待训练医疗记录文本包括的医学实体词语进行筛选，并对筛选出的医学实体词语进行组合，确定每个待训练医疗记录文本对应的至少一个待训练样本；所述待训练样本中包括正样本和负样本，所述样本生成规则中规定了正样本中医学实体词语的实体类型；

基于确定出的多个待训练样本对所述初始提示模板进行训练，生成目标提示模板；所述初始提示模板中的待训练数组为根据bert词表所构建的具有预设数量的待训练变量的数组。

8.一种电子设备，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所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的识别方法的步骤。

9.一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上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述的识别方法的步骤。

Images