[发明专利]一种中医实体识别算法

说明书

本发明公开了一种中医实体识别算法，包含以下步骤：A、数据标注；将中医组收集的中医医案文本采用的是BIO的标注方式，B，即Begin，表示开始I，即Intermediate，表示中间O，即Other，表示其他，用于标记无关字符；B、预训练模型；使用预训练模型做微调的训练方式称为迁移学习；C、训练模型，本发明打破中医领域分词效果差的瓶颈，为健康领域的智能对话和中医知识图谱，中医辅助诊疗系统奠定基础，提升基础语义组件的效果。

技术领域

本发明涉及自然语言处理的应用技术领域，具体是一种中医实体识别算法。

背景技术

基于理解的分词方法是通过让计算机模拟人对句子的理解，达到识别词的效果。其基本思想就是在分词的同时进行句法、语义分析，利用句法信息和语义信息来处理歧义现象。

本文的主要工作是针对中医医案中症状、证型、药名这三类命名实体及其相互间的关联关系展开研究。研究所采用的方法涉及到了自然语言处理的语料库语言学知识、基于统计学方法的命名实体识别技术。

发明内容

本发明的目的在于提供一种中医实体识别算法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种中医实体识别算法，包含以下步骤：

A、数据标注；将中医组收集的中医医案文本采用的是BIO的标注方式，B，即Begin，表示开始I，即Intermediate，表示中间 O，即Other，表示其他，用于标记无关字符；

B、预训练模型；使用预训练模型做微调的训练方式称为迁移学习；

C、训练模型。

作为本发明的进一步方案：所述步骤A中每一行一个字符，字符后面跟上空格，然后跟上该字符的标注。

作为本发明的进一步方案：每个样本之间用空行分隔。

作为本发明的进一步方案：所述步骤A中使用Brat标注工具辅助进行标注工作。

作为本发明的进一步方案：所述步骤B中使用自然语言表征模型之一的bert的中文预训练模型。

作为本发明的进一步方案：所述步骤C基于bert+lstm+crf算法来训练命名实体模型的。

作为本发明的进一步方案：所述步骤C结束后还会输出训练日志。

与现有技术相比，本发明的有益效果是：本发明打破中医领域分词效果差的瓶颈，为健康领域的智能对话和中医知识图谱，中医辅助诊疗系统奠定基础，提升基础语义组件的效果。

附图说明

图1为本发明的模型示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：请参阅图1，一种中医实体识别算法，包含以下步骤：

A、数据标注，将中医组收集的中医医案文本采用的是BIO的标注方式，B，即Begin，表示开始I，即Intermediate，表示中间 O，即Other，表示其他，用于标记无关字符 ，每一行一个字符，字符后面跟上空格，然后跟上该字符的标注， 每个样本之间用空行分隔。使用Brat标注工具辅助进行标注工作。