[发明专利]基于小样本的医疗数值抽取和理解方法及装置

权利要求书

1.一种基于小样本的医疗数值抽取和理解方法，其特征在于，包括：

基于正则化表达式，对目标医疗文本进行数值抽取；

基于prompt函数，获取每一数值对应的问句；

将每一数值对应的问句和所述目标医疗文本输入问答模型中，得到每一数值对应的属性信息；其中，每一数值对应的属性信息为每一数值对应的问句的答案；

其中，所述问答模型，基于第一数量的其他类的第一样本文本、第一样本问句和第一样本问句对应的真实答案，以及第二数量的医疗类的第二样本文本、第二样本问句和第二样本问句对应的真实答案进行训练获取；所述第一数量大于第二数量；所述其他类的第一样本文本包括公共领域的问答样本和/或除医疗领域外的其他领域的问答样本；

所述问答模型基于如下步骤进行训练得到：

基于所述第一数量的其他类的第一样本文本、第一样本问句和第一样本问句对应的真实答案，对多个初始问答模型进行预训练；

基于所述第二数量的医疗类的第二样本文本、第二样本问句和第二样本问句对应的真实答案，对预训练后的预训练性能最优的初始问答模型进行再次训练，得到最终的问答模型。

2.根据权利要求1所述的基于小样本的医疗数值抽取和理解方法，其特征在于，所述问答模型，基于BERT模型构建生成。

3.根据权利要求1或2所述的基于小样本的医疗数值抽取和理解方法，其特征在于，所述将每一数值对应的问句和所述目标医疗文本输入问答模型中，得到每一数值对应的属性信息，包括：

在所述目标医疗文本中存在多个相同的数值的情况下，对所述目标医疗文本中的多个相同的数值进行去重处理；

将每一数值对应的问句和去重处理后的所述目标医疗文本输入所述问答模型中，得到每一数值对应的属性信息。

4.根据权利要求3所述的基于小样本的医疗数值抽取和理解方法，其特征在于，所述对所述目标医疗文本中的多个相同的数值进行去重处理，包括：

对于所述多个相同的数值中的每一数值，对所述目标医疗文本中所述多个相同的数值中的其他数值进行掩码处理，得到每一数值对应的掩码处理后的所述目标医疗文本；

相应地，所述将每一数值对应的问句和去重处理后的所述目标医疗文本输入所述问答模型中，得到每一数值对应的属性信息，包括：

将每一数值对应的问句和掩码处理后的所述目标医疗文本输入所述问答模型中，得到每一数值对应的属性信息。

5.根据权利要求1或2所述的基于小样本的医疗数值抽取和理解方法，其特征在于，所述基于正则化表达式，对目标医疗文本进行数值抽取，包括：

对所述目标医疗文本进行预处理；

其中，所述预处理包括去除日期，和/或在相邻的英文和数字之间增加空格；

基于所述正则化表达式，对预处理后的所述目标医疗文本进行数值抽取。

6.一种基于小样本的医疗数值抽取和理解装置，其特征在于，包括：

数值抽取模块，用于基于正则化表达式，对目标医疗文本进行数值抽取；

问句获取模块，用于基于prompt函数，获取每一数值对应的问句；

数值理解模块，用于将每一数值对应的问句和所述目标医疗文本输入问答模型中，得到每一数值对应的属性信息；其中，每一数值对应的属性信息为每一数值对应的问句的答案；

其中，所述问答模型，基于第一数量的其他类的第一样本文本、第一样本问句和第一样本问句对应的真实答案，以及第二数量的医疗类的第二样本文本、第二样本问句和第二样本问句对应的真实答案进行训练获取；所述第一数量大于第二数量；所述其他类的第一样本文本包括公共领域的问答样本和/或除医疗领域外的其他领域的问答样本；

所述问答模型基于如下步骤进行训练得到：

基于所述第一数量的其他类的第一样本文本、第一样本问句和第一样本问句对应的真实答案，对多个初始问答模型进行预训练；

基于所述第二数量的医疗类的第二样本文本、第二样本问句和第二样本问句对应的真实答案，对预训练后的预训练性能最优的初始问答模型进行再次训练，得到最终的问答模型。