[发明专利]命名实体识别方法、装置、计算机设备及可读存储介质

说明书

本发明公开了命名实体识别方法、装置、计算机设备及可读存储介质，涉及自然语言处理技术领域，包括获取医学文本，对所述医学文本进行预处理，获得待处理文本；基于预设词典对所述待处理文本进行微生物实体抽取，获得目标实体；根据第一预设规则和所述目标实体生成多个候选缩写实体，并采用第一模型获得目标缩写实体；根据第二预设规则和所述目标实体生成多个候选补充实体，并采用第二模型获得目标补充实体；基于所述目标实体、所述目标缩写实体以及目标补充实体生成目标数据，解决了现有基于字典匹配的实体抽取无法考虑缩写或带有特定信息的实体，准确率较低的技术问题。

技术领域

本发明涉及自然语言处理技术领域，尤其涉及一种命名实体识别方法、装置、计算机设备及可读存储介质。

背景技术

随着电子信息技术的发展，在医学领域中，通过对医学知识的归纳整理形成了医学知识图谱，微生物信息在一些病毒感染、细菌感染的医学文献中非常重要，微生物的种类和相关疾病的治疗方式息息相关，例如最普通的肺炎，细菌性肺炎、病毒性肺炎的治疗、诊断方法就有很大的差别，不同种类病毒导致的肺炎差别也很大，因此将微生物信息从医学文献中准确的抽取出来有很高的业务价值。

现有的微生物实体抽取任务中，大多采用基于字典匹配的方式进行抽取，但是现有的抽取过程中微生物在文献中经常会以缩写的形式出现，同时微生物在文献中还会出现特定的菌株信息，而字典中通常都只能识别具有全称的微生物实体，因此导致识别过程中遗漏较多，识别结果准确率较低。

发明内容

本发明的目的是提供一种命名实体识别方法、装置、计算机设备及可读存储介质，用于解决现有基于字典匹配微生物的实体抽取无法考虑缩写或带有特定信息的实体，从而准确率较低的技术问题。

为实现上述目的，本发明提供一种命名实体识别方法，包括：

获取医学文本，对所述医学文本进行预处理，获得待处理文本；

基于预设词典对所述待处理文本进行微生物实体抽取，获得目标实体；

根据第一预设规则和所述目标实体生成多个候选缩写实体，并采用第一模型从所述候选缩写实体中筛选，获得与所述实体对应的候选缩写实体，作为目标缩写实体；

根据第二预设规则和所述目标实体生成多个候选补充实体，并采用第二模型对所述候选补充实体进行筛选，获得目标补充实体；

基于所述目标实体、所述目标缩写实体以及目标补充实体生成目标数据。

进一步的，所述根据第一预设规则和所述目标实体生成多个候选缩写实体，包括以下：

获取目标实体，根据所述实体提取预设长度的字符串；

对所述字符串进行序列化处理后添加预设字符，获得与所述目标实体对应的候选缩写实体。

进一步的，采采用第一模型从所述候选缩写实体中筛选，获得与所述目标实体对应的候选缩写实体，作为目标缩写实体，包括以下：

获取任一候选缩写实体，将所述候选缩写实体与所述目标实体同时输入CharCNN网络，获得分别与候选缩写实体与所述目标实体对应的第一向量和第二向量；

将所述第一向量与所述第二向量拼接后采用全连接层进行分类处理，获取判断结果；

当所述判断结果为否，则获取另一候选缩写实体；

当所述判断结果为是，则获取所述候选缩写实体作为目标缩写实体。

进一步的，根根据第二预设规则和所述目标实体生成多个候选补充实体，包括以下：

获取目标实体，判断所述目标实体的位置是否处于所在语句句尾；