[发明专利]实体链接方法、装置、存储介质及电子设备

说明书

本公开涉及一种实体链接方法、实体链接装置、计算机可读存储介质及电子设备，实体链接方法包括：从医疗文本中提取待链接实体；在标准词条数据库中筛选得到与所述待链接实体具有匹配特征的标准词条的候选集合；通过预设模型为所述候选集合中的各个标准词条提供语义相关性评分；将所述待链接实体链接至所述候选集合中的语义相关性评分最高的标准词条。本公开通过对临床中具有不同表达方式的医学术语进行语义识别以将待链接实体链接至最接近的标准词条，提高了实体链接方法的效率和准确率。

技术领域

本公开涉及数据处理技术领域，具体涉及一种实体链接方法、实体链接装置、计算机可读存储介质及电子设备。

背景技术

在临床病历大数据的处理中，由于地域、医院、医生、标准等差异，同一实体往往有大量不同的表达方式，只有精确地识别出同一种实体，针对有限的实体空间，才能有效的对数据进行统计和计算。因此，医学术语实体链接是数据处理过程中一个必不可少的部分。

现有的实体链接方法一般是通过分类等算法降低候选数量，然后通过相似度计算得到最接近的候选。作为现有实体链接系统的核心算法，相似度计算一般是通过建模事物特征，将特征转化为向量，再通过计算向量距离来衡量相似的程度。

在现有的实体链接方法中，一般需要大量的标注语料，而专业的医学知识难以加入到特征中用于计算。另外，基于相似度计算的实体链接方法可以很好的处理候选差异较大的情况，但是在面对候选相近的情况时通常很难处理。尤其是基于神经网络的算法，不能很好地利用医学相关知识，算法的计算过程也无法解释。因此，在针对医学领域的大数据处理中，亟需一种医学术语实体链接方法，以解决上述问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种实体链接方法、实体链接装置、计算机可读存储介质及电子设备，进而至少在一定程度上解决由于相关技术的限制和缺陷而导致的处理难度大、可解释性差、成本高以及难以管理和使用专业医学知识等技术问题。

根据本公开的一个方面，提供一种实体链接方法，其特殊之处在于，包括：

从医疗文本中提取待链接实体；

在标准词条数据库中筛选得到与所述待链接实体具有匹配特征的标准词条的候选集合；

通过预设模型为所述候选集合中的各个标准词条提供语义相关性评分；

将所述待链接实体链接至所述候选集合中的语义相关性评分最高的标准词条。

在本公开的一种示例性实施例中，所述在标准词条数据库中筛选得到与所述待链接实体具有匹配特征的标准词条的集合包括：

对所述待链接实体进行分词处理得到一个或者多个分词单元；

在标准词条数据库中筛选得到与所述待链接实体的分词单元具有匹配特征的标准词条的集合。

在本公开的一种示例性实施例中，在步骤在标准词条数据库中筛选得到与所述待链接实体具有匹配特征的标准词条的候选集合之后，所述方法还包括：

在所述标准词条的候选集合中通过语义分析滤除与所述待链接实体语义不符的标准词条。

在本公开的一种示例性实施例中，在所述标准词条的候选集合中通过语义分析滤除与所述待链接实体语义不符的标准词条包括：

对所述待链接实体进行语义角色标注，得到核心语义特征；

通过比较所述核心语义特征，在所述标准词条的候选集合中滤除与所述待链接实体语义不符的标准词条。

在本公开的一种示例性实施例中，所述比较所述核心语义特征包括：