[发明专利]一种跨病种的小样本临床医疗文本后结构化处理方法

权利要求书

1.一种跨病种的小样本临床医疗文本后结构化处理方法，其特征在于，包括以下步骤：

获取A病种的小样本文本信息和B病种的大样本文本信息，并采用文本困惑度的文本聚类获取待标注信息，对待标注信息进行标注，得到标注后的文本信息；标注后的所述文本信息包括标准问题列表、目标问题列表和小样本标注语料；

在pytorch神经网络框架下，利用元学习和LSTM模型训练是否型问题的信息抽取模型，得到元模型；

利用标注后的文本信息对元模型进行训练，得到小样本病历的文本后结构化模型；

利用文本后结构化模型识别的A病种的文本信息。

2.根据权利要求1所述的一种跨病种的小样本临床医疗文本后结构化处理方法，其特征在于，所述获取A病种的小样本文本信息和B病种的大样本文本信息，并采用文本困惑度的文本聚类获取待标注信息，包括以下步骤：

分别获取A病种的小样本文本信息和B病种的大样本文本信息；

将A病种的小样本文本信息和B病种的大样本文本信息的符号标准化，并按段落、句子、文本类型进行切分，得到切分后的文本数据；

将切分后的文本数据转换成二进制，得到二进制数据；

结合BERT模型，并按A病种、B病种依次利用二进制数据进行逐个训练，得到BERT语言模型；

利用tensorflow框架求得A病种的小样本文本信息和B病种的大样本文本信息的困惑度，并滤除大于预设阈值的句子，构成差异集合；

利用BERT语言模型求得差异集合中任一句子的局向量；

采用层次聚类算法对局向量进行聚类，得到待标注信息。

3.根据权利要求1或2所述的一种跨病种的小样本临床医疗文本后结构化处理方法，其特征在于，所述LSTM模型采用依次连接的输入门、遗忘门和输出门。

4.根据权利要求3所述的一种跨病种的小样本临床医疗文本后结构化处理方法，其特征在于，所述遗忘门满足以下关系：

f_t＝σ(W_f·[h_t-1，x_t]+b_f)

其中，h_t-1表示上一细胞的输出，x_t表示当前细胞的输出，σ表示激活函数，W_f表示遗忘门的权重矩阵，b_f表示遗忘门的偏置项

5.根据权利要求3所述的一种跨病种的小样本临床医疗文本后结构化处理方法，其特征在于，所述输入门满足以下关系：

其中，f_t为遗忘门的输出，即模型会从细胞状态中丢弃的信息，σ表示激活函数，C_t-1表示旧的细胞状态，i_t为输入门门控，即控制当前时刻需要保留哪些之前学到的东西，表示当前时刻学到的东西；

所述i_t的表达式为：

i_t＝σ(W_i·[h_t-1，x_t]+b_i)

其中，σ表示激活函数，W_i表示输入门门控的权重矩阵，h_t-1表示上一细胞的输出，x_t表示当前细胞的输出，b_i表示输入门门控的偏置项；

所述的表达式为：

其中，tanh表示激活函数，W_c表示学习新知识时的权重矩阵，h_t-1表示上一细胞的输出，x_t表示当前细胞的输出，b_c表示学习新知识时的偏置项。