[发明专利]一种针对医疗诊断文本的概念连接方法

摘要

本发明一种针对医疗诊断文本的概念连接方法涉及利用循环神经网络模型，模拟基于规则的系统采用的一系列复杂的形态和句法的转换，并使用向量式概念符号在测试时概括整理不可见的概念，共有其特征，然后沿图谱多层预测整个遍历，进行概念连接。该方法包括：第一步，构建循环神经网络系统(RNNs)，所述的循环神经网络系统包括span编码器，概念编码器，解码器；第二步，对模型进行训练，所述的模型的基本数据源取自知识图谱中的医学系统命名法——临床术语(SNOMED‑CT)和输入‑输出数值；第三步，采用基于规则的算法，应用一系列复杂的形态和句法的转换，准确识别医疗记录的spans，并加注标签，形成相关概念的大数据集；第四步，对上述步骤的结果进行概念连接。该发明可实现了较高的精确率和召回率。

主权项

1.一种针对医疗诊断文本的概念连接方法，其特征在于，利用循环神经网络模型，模拟基于 规则的系统采用的一系列复杂的形态和句法的转换，并使用向量式概念符号在测试时概括整 理不可见的概念，共有其特征，然后沿图谱多层预测整个遍历，进行概念连接，所述的概念 连接方法包括以下步骤：/n第一步，构建循环神经网络系统 RNNs，所述的循环神经网络系统包括 span 编码器，概念编 码器，解码器；所述解码器包括两种解码器，择一使用即可，一种是扁平解码器，一种是序 列解码器，用于读取 span 和概念嵌入，以预测输出概念；所述扁平解码器简单地取每个 span 和概念嵌入的点积，并将其代入 sigmoid 函数，产生每个概念的或然率，对应标签是一个沿 遍历对应于各概念位置的稀疏向量；所述序列解码器是在解码时运行一个 2 层 256 单位的长 短时记忆编码器，产生对应于遍历的概念序列，每一层的隐状态是由编码器中各层的最终隐 状态初始化的，对应标签是沿遍历对应于有效子集位置含有 1的掩码； 第二步，对模型进行训练，所述的模型的基本数据源取自知识图谱中的医学系统命名法—— 临床术语 SNOMED-CT 和输入-输出数值； 第三步，采用基于规则的算法，应用一系列复杂的形态和句法的转换，准确识别医疗记录的 spans，并加注标签，形成相关概念的大数据集； 第四步，对上述步骤的结果进行概念连接。/n