[发明专利]基于数据增强的小样本康复医疗命名实体识别方法与装置

说明书

本发明公开了一种基于数据增强的小样本康复医疗命名实体识别方法与装置，所述方法包括：获取初始的康复医疗病例数据并进行命名实体划分，对命名实体划分后的康复医疗病例数据进行BIOS标注；对命名实体划分后的康复医疗病例数据进行数据增强，得到具有新标签的康复医疗病例数据；包括：分析命名实体划分后的康复医疗病例数据中各个命名实体的长度，对康复医疗病例数据中不同的命名实体进行随机掩码；和/或，在同类型的命名实体类型之间对康复医疗病例数据中的命名实体进行随机替换；将初始的康复医疗病例数据和具有新标签的康复医疗病例数据输入至命名实体识别网络中，得到康复医疗命名实体识别结果。

技术领域

本发明涉及数据增强、命名实体识别、BIOS标注等技术领域，尤其涉及一种基于数据增强的小样本康复医疗命名实体识别方法与装置。

背景技术

在医学日益发达的现代社会，仍然有许多疾病在严重威胁人类的生命安全，其中，脑卒中以发病率高、致残率高、死亡率高和复发率高的“四高”特点已成为我国第一位死亡原因，也是中国成年人残疾的首要原因。因此，针对脑卒中患者四肢运动功能的恢复是患者康复的一个重要环节。伴随着人工智能的快速发展，以深度学习方法辅助康复医学诊断、方案制定或辅助治疗过程的技术随之诞生。然而，深度模型的训练过程往往需要大量标定数据，而现实获取数据通常是结构化、半结构化、非结构化数据，在数据结构与数据质量上制约了深度模型的训练过程。结构化的数据一般是指可以用二维表来逻辑表达实现的数据；半结构化数据不符合二维表的形式，但包含相关标记；非结构化数据没有固定结构的数据，例如病例文本。

在实际应用中，结构化数据相较于其他两种，数量稀少，获取成本更高，在康复医学领域等专业领域上问题尤为严重。通过建立命名实体识别网络，自动化地从半结构化和无结构数据中抽取实体、关系及实体属性等结构化的信息，可以有效解决实际情况下结构化数据的数据量少且难以获取的问题。在上述过程中，实体抽取是关键技术之一。实体抽取又称为命名实体识别，对文本中的重要名词和专有名词进行定位和分类，这些重要名词和专有名词可以称之为命名实体，命名实体可以根据不同的下游任务进行人为设定。

命名实体识别是许多下游任务的基础，通常情况下，命名实体识别的精度和效果决定不同下游任务的效果。命名实体识别的深度学习网络框架有很多种，然而，这些深度网络的训练过程存在明显的不足：a)在深度神经网络模型训练过程中，需要大量有效的医疗领域的标签数据拟合模型；b)在实际情况下，考虑到训练命名实体识别的神经网络对数据与算力的需求，难以从零开始训练一个命名实体识别网络。特别地，当在康复医疗等专业领域构建知识图谱时，由于专业的医疗标签数据难以获取或者获取代价高昂，难以训练通用的深度学习网络框架以辅助非结构化数据的命名实体提取任务。

因此，提出一种基于数据增强的小样本康复医疗命名实体识别方法，应用于康复医疗领域数据的识别。

发明内容

针对现有技术不足，本发明提出了一种基于数据增强的小样本康复医疗命名实体识别方法与装置。

根据本发明实施例的第一方面，提供了一种基于数据增强的小样本康复医疗命名实体识别方法，所述方法包括：

获取初始的康复医疗病例数据并进行命名实体划分，对命名实体划分后的康复医疗病例数据进行BIOS标注；

对命名实体划分后的康复医疗病例数据进行数据增强，得到具有新标签的康复医疗病例数据；包括：

分析命名实体划分后的康复医疗病例数据中各个命名实体的长度，对康复医疗病例数据中不同的命名实体进行随机掩码；

和/或，

在同类型的命名实体类型之间对康复医疗病例数据中的命名实体进行随机替换；

将初始的康复医疗病例数据和具有新标签的康复医疗病例数据输入至命名实体识别网络中，得到康复医疗命名实体识别结果。