[发明专利]一种基于深度学习的生物医学实体识别方法在审
| 申请号： | 202010343664.3 | 申请日： | 2020-04-27 |
| 公开（公告）号： | CN111581974A | 公开（公告）日： | 2020-08-25 |
| 发明（设计）人： | 李雪威;张炜伦;喻梅;徐天一;刘志强;高洁;贺飞 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06F40/295 | 分类号： | G06F40/295;G06N3/04 |
| 代理公司： | 天津市三利专利商标代理有限公司 12107 | 代理人： | 韩新城 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 深度 学习 生物医学 实体 识别 方法 | ||
【权利要求书】：
1.一种基于深度学习的生物医学实体识别方法，其特征在于，包括步骤：
使用词嵌入将输入序列向量化表示，以及通过CNN模型获取字符特征向量；
将词嵌入向量以及通过CNN模型所获取的字符特征向量作为HDL-ATT模型的输入向量；
利用双向长短时记忆模型BLSTM分别从序列的两侧同时对序列进行处理，对上下文信息建模，捕捉输入向量实体关系的文本序列中的句子级别的特征；同时利用自注意力机制层引入篇章信息，捕捉与目标领域的实体识别有密切联系的文本片段信息；
将通过自注意力机制层所得到的文本表示作为CRF层的输入，CRF层根据自注意力层的输入特征为序列的实体进行分类，得到最终的序列输出。
2.根据权利要求1所述基于深度学习的生物医学实体识别方法，其特征在于，所述自注意力机制层的表示向量由基于上下文的词语表示和基于上下文的词性表示组成。
3.根据权利要求1所述基于深度学习的生物医学实体识别方法，其特征在于，所述通过CNN模型获取字符特征向量的方法如下：首先收集字符集合，字符集采用随机排序方法行排列，构成基于字符的查找表，根据查找表CNN模型获得基于字符向量的特征向量表示。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010343664.3/1.html，转载请声明来源钻瓜专利网。
