[发明专利]基于中文病历的实体识别方法、装置、设备及存储介质

权利要求书

1.一种基于中文病历的实体识别方法，其特征在于，包括以下步骤：

使用分词工具对所述中文病历进行分词；

以分词后得到的词组为单位，根据单个字在所述词组中的位置与特征向量的第一对应规则，输出用于表征每个字在词组中位置的第一特征向量；每个所述第一特征向量的长度相同；

识别出所述中文病历中每个字的偏旁，将识别出的每个字的偏旁与预设的实体偏旁逐个比对并输出比对结果，所述比对结果包括不匹配和匹配到的实体偏旁；

根据偏旁与特征向量的第二对应规则，对应每个字输出用于表征所述比对结果的第二特征向量；每个所述第二特征向量的长度相同；其中所述第二对应规则包括：所述特征向量的长度等于预设的实体偏旁的数量；所述特征向量中每一维度对应一个所述实体偏旁；所述特征向量通过所述实体偏旁对应维度的向量值的改变表征对应的所述实体偏旁；

将输出的对应每个字的第一特征向量和第二特征向量拼接在每个字的初始向量之后，按每个字在所述中文病历中的顺序将表征每个字的向量依次排列，最终得到用于表征所述中文病历的向量集；其中所述表征每个字的向量的长度相同；

将用于表征所述中文病历的向量集输入训练好的模型以抽取其中的实体；具体包括以下步骤：根据预设的每个字的向量的长度识别出所述向量集中用于表征每个字的向量，然后根据预设第一对应规则、第二对应规则以及拼接顺序，识别出表征实体特征的向量以抽取对应的实体。

2.根据权利要求1所述的基于中文病历的实体识别方法，其特征在于，所述第一对应规则包括：

所述特征向量的长度为4，所述特征向量包括四个维度的向量值；

所述特征向量的前三个维度用于表征所述词组为非单字词组，其中第一个维度的向量值的改变用于表征位于所述词组中首位的字，第二个维度的向量值的改变用于表征位于所述词组中中间的字，第三个维度的向量值的改变用于表征位于所述词组中末尾的字；

所述特征向量的第四个维度用于表征所述词组为单字词组，所述第四个维度的向量值的改变用于表征单字词组中的字。

3.根据权利要求1所述的基于中文病历的实体识别方法，其特征在于，所述识别出所述中文病历中每个字的偏旁具体包括以下步骤：

将所述中文病历中的每个字与预设的偏旁字典进行匹配，输出匹配到的偏旁，所述偏旁字典包含所有中文字与对应偏旁的关联关系。

4.根据权利要求1所述的基于中文病历的实体识别方法，其特征在于，所述第二对应规则包括：

所述特征向量的长度为1；

所述特征向量通过不同的向量值对应表征不同所述实体偏旁。

5.根据权利要求1所述的基于中文病历的实体识别方法，其特征在于，所述使用分词工具对所述中文病历进行分词之前还包括以下步骤：

通过章节标签识别出所述中文病历中关于诊疗方面的内容；

所述分词和所述偏旁的识别仅针对所述关于诊疗方面的内容。