[发明专利]一种病历文件的编码方法、服务器及计算机可读存储介质

权利要求书

1.一种病历文件的编码方法，其特征在于，包括：

从待编码的病历文件中获取病人的病历信息，并对所述病历信息进行分词处理，得到多个分词词语；

基于预设的基准词序列确定各个所述分词词语的第一词向量；

将所有所述分词词语的第一词向量导入预设编码模型，得到所述病历文件的第一编码概率向量、第二编码概率向量及第三编码概率向量；所述第一编码概率向量中的每个元素的值用于标识所述病历文件属于该元素对应的第一类型编码的概率，所述第二编码概率向量中的每个元素的值用于标识所述病历文件属于该元素对应的第二类型编码的概率，所述第三编码概率向量中的每个元素的值用于标识所述病历文件属于该元素对应的第三类型编码的概率；

将所述第一编码概率向量、所述第二编码概率向量及所述第三编码概率向量中值最大的元素对应的编码分别确定为所述病历文件的第一类型编码、第二类型编码及第三类型编码。

2.根据权利要求1所述的病历文件的编码方法，其特征在于，所述预设编码模型包括级联的第一神经网络、第二神经网络及第三神经网络；

所述将所有所述分词词语的第一词向量导入预设编码模型，得到所述病历文件的第一编码概率向量、第二编码概率向量及第三编码概率向量，包括：

将所有所述分词词语的第一词向量均分别导入所述预设编码模型中的第一神经网络、第二神经网络及第三神经网络；

在所述第一神经网络中基于所有所述分词词语的第一词向量确定所述病历文件的第一编码概率向量，并将所述第一编码概率向量导入所述第二神经网络；

在所述第二神经网络中基于所有所述分词词语的第一词向量及所述第一编码概率向量确定所述病历文件的第二编码概率向量，并将所述第二编码概率向量导入所述第三神经网络；

在所述第三神神经网络中基于所有所述分词词语的第一词向量及所述第二编码概率向量确定所述病历文件的第三编码概率向量。

3.根据权利要求2所述的病历文件的编码方法，其特征在于，所述第一神经网络包括依次连接的第一嵌入层、第一卷积层及第一概率确定层；

所述在所述第一神经网络中基于所有所述分词词语的第一词向量确定所述病历文件的第一编码概率向量，包括：

在所述第一嵌入层对各个所述分词词语的第一词向量进行降维处理，得到各个所述分词词语的第二词向量；

在所述第一卷积层基于第一预设卷积核对各个所述分词词语的第二词向量及各个所述分词词语的上下文分词词语的第二词向量进行卷积处理，得到各个所述分词词语的第三词向量；

在所述第一概率计算层基于预先学习到的各个预设词语的第三词向量属于各个第一类型编码的概率，确定各个所述分词词语的第三词向量属于各个所述第一类型编码的概率，并基于各个所述分词词语的第三词向量属于各个所述第一类型编码的概率确定所述病历文件的第一编码概率向量。

4.根据权利要求2所述的病历文件的编码方法，其特征在于，所述第二神经网络包括依次连接的第二嵌入层、第二卷积层及第二概率确定层；

所述在所述第二神经网络中基于所有所述分词词语的第一词向量及所述第一编码概率向量确定所述病历文件的第二编码概率向量，包括：

在所述第二嵌入层对各个所述分词词语的第一词向量进行降维处理，得到各个所述分词词语的第二词向量，将各个所述分词词语的所述第二词向量分别与所述第一编码概率向量进行组合，得到各个所述分词词语的第四词向量；

在所述第二卷积层基于第二预设卷积核对各个所述分词词语的第四词向量及各个所述分词词语的上下文分词词语的第四词向量进行卷积处理，得到各个所述分词词语的第五词向量；

在所述第二概率计算层基于预先学习到的各个预设词语的第五词向量属于各个第二类型编码的概率，确定各个所述分词词语的第五词向量属于各个所述第二类型编码的概率，并基于各个所述分词词语的第五词向量属于各个所述第二类型编码的概率确定所述病历文件的第二编码概率向量。