[发明专利]基于逐层感知机制的生物医学嵌套类型实体识别方法

权利要求书

1.一种基于逐层感知机制的生物医学嵌套类型实体识别方法，其特征在于：包括以下步骤：

步骤1：生物医学文本表示；

利用向量模式对实体及其上下文进行描述，构建文本中每一个单词的字符特征和语义特征：采用一位有效编码法对构成文本单词的每一个字符进行编码，采用文本嵌入预训练向量对构成文本单词的语义特征进行编码；由每一个单词的字符特征编码和语义特征编码所描述的文本作为初始文本表示；

步骤2：生物医学数据隐藏特征提取；

设计两个模型；模型1是深度与文本长度相同的循环神经网络；模型2是由与模型1参数结构相同的循环神经网络，并堆叠RELU激活函数构成；采用模型1作为数据编码器，将步骤1获得的初始文本表示的每一个单词的特征向量转换为隐藏特征向量；采取前向卷积神经网络有序读取输入序列，并计算前向隐藏状态序列；反向卷积神经网络以相反的顺序读取序列，计算对应的反向隐藏状态序列；每个隐藏状态通过串联前向隐藏状态和后向隐藏状态来表示；采用模型2作为数据解码器，给定根据隐藏状态序列生成的隐藏特征向量和已经预测的前序状态标签，对序列中的下一个输出状态进行解码并预测；

步骤3：多任务模式的逐层感知实体识别；

以步骤2获得的数据隐藏特征为基础，采用由最小粒度实体识别到复杂的嵌套类型实体识别的模式，以多任务多粒度逐层感知识别的方式，识别嵌套类型生物医学实体，具体如下：

将数据隐藏特征向量输入归一化函数，依据归一化函数输出值，得到最小粒度实体识别的预测值，并根据最小粒度实体识别的预测值设置并调整判定阈值，得到最小粒度实体识别结果；

对得到的最小粒度实体识别结果，依次进行配对组合，并将所有的配对组合结果输入归一化函数，依据归一化函数输出值，得到嵌套实体识别的预测值，并根据嵌套实体识别的预测值设置并调整判定阈值，得到嵌套实体识别结果；

最小粒度实体即由单个单词所表示的实体，复杂的嵌套类型实体即由多于一个单词所构成的嵌套实体。

2.根据权利要求1所述的基于逐层感知机制的生物医学嵌套类型实体识别方法，其特征在于：所述一位有效编码法是指，采用n个状态位分别对构成文本单词的n个字符进行编码，索引当前字符的状态位赋值为1，其余位置赋值为0。

3.根据权利要求1或2所述的基于逐层感知机制的生物医学嵌套类型实体识别方法，其特征在于：所述文本嵌入预训练向量是指，在语料库中，基于单词及其邻近单词在预设滑动窗口范围内的共现统计量，根据文本语言模型框架，映射到文本向量空间并生成词向量，构成的包含所有单词的查询表。