公开(公告)号：CN114417836B

公开(公告)日：2025-02-11

申请号：CN202210052863.8

申请日：2022-01-18

Applicant: 北京工业大学

Inventor： 艾彭磊 ,  杜金莲 ,  金雪云 ,  张潇 ,  张津丽

IPC: G06F40/242 ,  G06F40/30 ,  G16H10/60 ,  G06N3/0455

Abstract: 本发明公开了一种基于深度学习的中文电子病历文本语义分割方法，主要包括语义字典构建及文本语义特征向量表示、整体特征融合、深度神经网络训练以及预测优化部分。利用预训练语言模型表示文本上下文语义特征，并加入了字符语义位置特征，将融合后的整体特征输入到深度神经网络中进行模型训练。相比于现有的语义分割技术，本发明构建字符间融合全局的上下文语义特征，捕获并学习序列每个字符的语义类别特性，最后找到每个字符的最佳语义类别标签，从而实现精细化的文本语义分割，在数据集较小情况下实现了文本语义分割较高的准确性，发展了EMR文本语义分割的新方法。

公开(公告)号：CN114417836A

公开(公告)日：2022-04-29

申请号：CN202210052863.8

申请日：2022-01-18

Applicant: 北京工业大学

Inventor： 艾彭磊 ,  杜金莲 ,  金雪云 ,  张潇 ,  张津丽

IPC: G06F40/242 ,  G06F40/30 ,  G16H10/60 ,  G06N3/04

Abstract: 本发明公开了一种基于深度学习的中文电子病历文本语义分割方法，主要包括语义字典构建及文本语义特征向量表示、整体特征融合、深度神经网络训练以及预测优化部分。利用预训练语言模型表示文本上下文语义特征，并加入了字符语义位置特征，将融合后的整体特征输入到深度神经网络中进行模型训练。相比于现有的语义分割技术，本发明构建字符间融合全局的上下文语义特征，捕获并学习序列每个字符的语义类别特性，最后找到每个字符的最佳语义类别标签，从而实现精细化的文本语义分割，在数据集较小情况下实现了文本语义分割较高的准确性，发展了EMR文本语义分割的新方法。