(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210981326.1 (22)申请日 2022.08.16 (71)申请人 北京工业大 学 地址 100124 北京市朝阳区平乐园10 0号 (72)发明人 李建强　杨鲤银　竹志超　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 郭金梅 (51)Int.Cl. G06F 40/279(2020.01) G06F 40/30(2020.01) G06F 40/205(2020.01) G06F 16/35(2019.01) G06N 3/04(2006.01) G06N 3/08(2006.01)G16H 10/60(2018.01) (54)发明名称 中医文本实体消歧方法、 装置、 电子设备及 存储介质 (57)摘要 本发明提供一种中医文本实体消歧方法、 装 置、 电子设备及存储介质， 该方法包括： 根据获取 的待处理 中医文本， 利用基于转换器的双向编码 表征BERT模型， 确定字向量； 根据所述字向量， 确 定所述待处理中医文本对应的语义特征向量； 根 据所述语义特征向量， 利用注意力机制， 确定待 消歧实体信息； 对所述待消歧实体信息进行实体 消歧处理， 确定所述待处理中医文本对应的识别 文本。 该方法用以解决现有技术中的对中医电子 病历进行识别的方法中， 传统的LS TM‑Attention 模型对该中医电子病历的识别存在一定的局限 性， 从而导致该电子设备基于该传统的LSTM ‑ Attention模型无法准确确定 该中医电子病历 对 应的识别结果的缺陷， 实现电子设备基于可准确 确定待处 理中医文本对应的识别文本 。 权利要求书2页 说明书8页 附图1页 CN 115409022 A 2022.11.29 CN 115409022 A 1.一种中 医文本实体消歧方法， 其特 征在于， 包括： 根据获取的待处 理中医文本， 利用基于转换器的双向编码表征BERT模型， 确定 字向量； 根据所述字向量， 确定所述待处 理中医文本对应的语义特 征向量； 根据所述语义特 征向量， 利用注意力机制， 确定待消歧实体信息； 对所述待消歧实体信息进行实体消歧处理， 确定所述待处理中医文本对应的识别文 本。 2.根据权利要求1所述的方法， 其特征在于， 所述根据获取的待处理中医文本， 利用基 于转换器的双向编码表征BERT模型， 确定 字向量， 包括： 获取待处 理中医文本； 将所述待 处理中医文本输入至基于转换器的双向编码表征BERT模型， 得到所述BERT模 型输出的字符特 征向量； 将所述字符特 征向量转化为预设维度的字向量。 3.根据权利要求1或2所述的方法， 其特征在于， 所述根据所述字向量， 确定所述待处理 中医文本对应的语义特 征向量， 包括： 根据所述字向量， 利用双向长短时记忆BI ‑LSTM网络， 确定所述待 处理中医文本对应的 上下文语义特 征向量； 及 根据所述字向量， 利用卷积神经网络CNN， 确定所述待处理中医文本对应的局部语义特 征向量。 4.根据权利要求3所述的方法， 其特征在于， 所述根据所述字向量， 利用 双向长短时记 忆BI‑LSTM网络， 确定所述待处 理中医文本对应的上 下文语义特 征向量， 包括： 将所述字向量输入至双向长短时记忆BI ‑LSTM网络， 得到所述BI ‑LSTM网络正向输出的 第一特征向量及所述BI ‑LSTM网络反向输出的第二特 征向量； 对所述第一特征向量及所述第 二特征向量进行融合， 确定所述待处理中医文本对应的 上下文语义特 征向量。 5.根据权利要求4所述的方法， 其特征在于， 所述对所述第 一特征向量及所述第 二特征 向量进行融合， 确定所述待处 理中医文本对应的上 下文语义特 征向量， 包括： 根据向量融合公式， 确定所述待处 理中医文本对应的上 下文语义特 征向量； 其中， 所述向量融合公式为Ht＝ωT[( α1h1)， ( α2h2)]+b1； Ht表示所述上下文语义特征向量； ω表示模型参数矩阵， ωT表示模型参数矩阵ω的转 置； α1表示正向输出系数； h1表示所述第一特征向量； α2表示反向输出系数； h2表示所述第二 特征向量； b1表示所述BI ‑LSTM网络对应的偏置值。 6.根据权利要求3所述的方法， 其特征在于， 所述根据所述字向量， 利用卷积神经网络 CNN， 确定所述待处 理中医文本对应的局部语义特 征向量， 包括： 根据卷积神经网络CNN中的局部特征公式， 确定所述待处理中医文本对应的局部语义 特征向量； 其中， 所述局部特 征公式为ft＝f(ki*vt:t+j‑1+b2)； ft表示所述局部语义特征向量； ki表示常数； vt表示所述字向量； j表示卷积核k的窗口 大小； b2表示所述卷积神经网络 CNN对应的偏置值。 7.根据权利要求3所述的方法， 其特征在于， 所述根据所述语义特征向量， 利用注意力权　利　要　求　书 1/2 页 2 CN 115409022 A 2机制， 确定待消歧实体信息， 包括： 根据所述上下文语义特征向量及所述局部语义特征向量， 利用注意力机制， 确定关键 特征向量； 利用分类 器对所述关键特 征向量进行分类， 确定待消歧实体信息 。 8.一种中 医文本实体消歧装置， 其特 征在于， 包括： 向量确定模块， 用于根据获取模块获取的待处理中医文本， 利用基于转换器的双 向编 码表征BERT模 型， 确定字向量； 根据所述字向量， 确定所述待处理中医文本对应的语义特征 向量； 根据所述语义特 征向量， 利用注意力机制， 确定待消歧实体信息； 文本确定模块， 用于对所述待消歧实体信息进行实体消歧处理， 确定所述待处理中医 文本对应的识别文本 。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至7一项所述 中医文本实体消歧方法。 10.种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机 程序被处 理器执行时实现如权利要求1至7一项所述中 医文本实体消歧方法。权　利　要　求　书 2/2 页 3 CN 115409022 A 3