[发明专利]一种基于注意力机制神经网络与知识图谱的医疗文本分级方法

摘要

一种基于注意力机制神经网络与知识图谱的医疗文本分级方法属于计算机人工智能领域，通过基于Attention机制的增强型LSTM模型得到准确性更高的医疗文本的分级结果。方法包括：直接关系抽取模块、直接关系统一模块、间接语义关系推理模块、神经网络分级模块。在本方法中使用了知识图谱作为外部数据源，通过增强型的LSTM作为Encoder模型学习知识图谱与文本数据中实体‑关系‑实体三元组数据作为模型的输入，通过Attention机制得到不同的三元组对于文本分级的重要程度，将普通的LSTM作为的Decoder模型学习中间隐藏向量，在通过softmax层得到最终的文本分级结果。

主权项

1.一种基于注意力机制神经网络与知识图谱的医疗文本分级方法，其特征在于，包括四个模块：直接关系抽取模块(1)、直接关系统一模块(2)、间接语义关系推理模块(3)、神经网络分级模块(4)；(1)直接关系抽取模块从知识图谱中得到实体‑关系‑实体之间的直接关系三元组数据，从文本数据中基于规则得到体‑关系‑实体之间直接关系三元组数据；(2)直接关系统一模块：该模块将得到的所有直接关系三元组数据基于标准化的点互信息将从知识图谱与文本数据中的实体‑关系‑实体直接关系三元组统一起来，得到相同的实体与关系节点；(3)间接语义关系推理模块(3)是将得到的所有的直接关系三元组通过TransE算法推导，得到两个实体之间存在间接语义关系，从而得到文本数据中的所有数据；(4)神经网络分级模块(4)应用基于Attention机制的增强型LSTM神经网络模型得到文本分级结果；通过增强型LSTM模型作为Encoder模型，基于Attention机制计算得到实体‑关系‑实体三元组对于文本分级的重要程度，并且通过普通的LSTM作为Decoder模型通过softmax变换得到文本分级结果。