[发明专利]一种中药种植资源命名实体识别方法

说明书

本发明提供一种中药种植资源命名实体识别方法，包括以下步骤：S1:获取中药材种植资源文献；S2:按照一定的规则对所述中药材种植资源文献进行标注，并将标注后的文献拆分成文本句子；S3:分别一一查找每个文本句子所对应的词向量和字向量，利用所述词向量和字向量来训练GRU‑CRF模型；S4:利用所述训练好的GRU‑CRF模型对未知的中药材种植资源文献进行命名实体识别。本发明提供的中药种植资源命名实体识别方法，通过构架GRU‑CRF模型，从而实现了能够自动识别中药种植资源文献的命名实体，不仅大大提高了识别准确率和识别效率，减少人工识别时间开销，并且可扩展到其他命名实体类别，比如土壤矿物质含量、水分含量等。

技术领域

本发明涉及中药命名实体识别技术领域，尤其涉及一种中药种植资源命名实体识别方法。

背景技术

中药材种植环境对药材质量有很大影响，比如不同产地的中药材外观性状、有效成分及药用功效等均存在较大差异。为了研究种植环境对中药材质量的影响，需要从大量非结构化的中药材种植资源文献中识别出与种植环境相关的命名实体，为进一步研究提供基础数据。比如，中药种植对应的地理位置、中药名称、土壤、气候等，均称为命名实体，而要识别这些不同的命名实体，目前识别命名实体的方法采用基于人工+规则的方式，首先通过人工方式对文献进行整理，然后使用正则表达式进行匹配，从而提取出需要的命名实体，这种识别方法效率太低，不符合当下对中药材种植环境的研究。

发明内容

本发明的目的在于解决上述现有技术存在的缺陷，提供一种识别效率高的药种植资源命名实体识别方法。

一种中药种植资源命名实体识别方法，包括以下步骤：

S1:获取中药材种植资源文献；

S2:按照一定的规则对所述中药材种植资源文献进行标注，并将标注后的文献拆分成文本句子；S3:分别一一查找每个文本句子所对应的词向量和字向量，利用所述词向量和字向量来训练GRU-CRF模型；

S4:利用所述训练好的GRU-CRF模型对未知的中药材种植资源文献进行命名实体识别。

进一步地，如上所述的中药种植资源命名实体识别方法，所述步骤S3包括：分别一一查找所述每个文本句子所对应的词向量和字向量，并对每个文本句子所包含的字的字向量使用双向LSTM模型得到隐藏向量，将词向量和隐藏向量进行拼接得到中间向量，将中间向量作为双向GRU-CRF模型的输入对其进行训练，得到训练好的GRU-CRF模型。

进一步地，如上所述的中药种植资源命名实体识别方法，所述一定的规则为：使用{B-s,I-s,O-s,S-s}标签对中药材种植资源文献进行标注，其中，B表示一个命名实体的开始，I表示该命名实体除了开始的其他部分，O表示其他部分，S表示由单个字构成的命名实体；s表示该命名实体的属性。

进一步地，如上所述的中药种植资源命名实体识别方法，所述词向量和字向量由维基百科、百度百科构建的语料库进行word2vec嵌入训练获得。

进一步地，如上所述的中药种植资源命名实体识别方法，在步骤S1之后、S2之前，还包括对中药材种植资源文献进行预处理；

所述预处理的步骤包括：对所有中药材种植资源文献的格式进行统一，并对统一后的文献进行删除操作，以删除干扰信息。

进一步地，如上所述的中药种植资源命名实体识别方法，步骤S3包括：

当查找文本句子所对应的词向量时，首先从所述嵌入训练获得的词向量库里进行查找，若无法查到，则先通过领域词典进行同义词转换以找到对应的词，然后再查该词对应的向量，所述领域词典由维基百科、百度百科构建的语料库生成。

有益效果：