(19)中华 人民共和国 国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210045975.0 (22)申请日 2022.01.17 (65)同一申请的已公布的文献号 申请公布号 CN 114064938 A (43)申请公布日 2022.02.18 (73)专利权人 中国人民解 放军总医院 地址 100853 北京市海淀区复兴 路28号 (72)发明人 李宗任　钟琴　 (74)专利代理 机构 北京志霖恒远知识产权代理 事务所(普通 合伙) 11435 代理人 郭栋梁 (51)Int.Cl. G06F 16/36(2019.01) G06F 40/295(2020.01) G06K 9/62(2022.01) G06N 3/08(2006.01)(56)对比文件 CN 113535984 A,2021.10.2 2 CN 113807079 A,2021.12.17 CN 111428036 A,2020.07.17 CN 110134772 A,2019.08.16 CN 113486667 A,2021.10.08 CN 110059320 A,2019.07.26 CN 112818676 A,2021.0 5.18 CN 112860904 A,2021.0 5.28 WO 2021190236 A1,2021.09.3 0 US 20212 24651 A1,2021.07.2 2 钟华帅.基 于深度学习的实体和关系联合抽 取模型研究与应用. 《中国优秀博硕士学位 论文 全文数据库 （硕士） 信息科技 辑》 .2021,第I138- 2873页. 王东.基于深度学习的实体关系抽取方法研 究. 《中国优秀博硕士学位 论文全文数据库》 .2021,第I138-16 6页. 审查员 王婷婷 (54)发明名称 医学文献的关系抽取方法、 装置、 电子设备 及存储介质 (57)摘要 本申请公开了一种医学文献的关系抽取方 法、 装置、 电子设备及存储介质。 其中， 医学文献 的关系抽取方法， 包括： 获得数据集， 并基于 数据 集预训练Bert模型， 数据集包括外部医学文献数 据库中的医学文献， 医学文献预先标注实体， Bert模型用于实体监督； 构建关系抽取模型， 关 系抽取模型包括头实体抽取模块、 关联模块以及 尾实体/关系抽取模块， 头实体抽取模块以及关 联模块的编码器基于实体监督的Bert模型进行 微调； 获得渐进式的权重损失函数， 以利用关系 抽取模型对医学文献进行关系抽取。 本申请实施 例， 可以提升医学文献的关系抽取效果， 提升了 后续得到临床知识图谱的专业 性。 权利要求书2页 说明书8页 附图2页 CN 114064938 B 2022.04.22 CN 114064938 B 1.一种医学文献的关系抽取 方法， 其特 征在于， 包括： 获得数据集， 并基于所述数据集预训练B ert模型， 其中， 所述数据集包括外部医学文献 数据库中的医学文献， 所述医学文献 预先标注实体， 所述Ber t模型用于实体监 督； 构建关系抽取模型， 所述关系抽取模型包括头实体抽取模块、 关联模块以及尾实体/关 系抽取模块， 所述头实体抽取模块以及关联模块的编码 器基于所述 实体监督的Bert模型进 行微调， 其中， 在所述关联模块中， 所述编 码器的向量表示和头实体抽取模块的向量表示的 头尾位置to ken的平均值以多头注意力机制来结合； 获得渐进式的权重损 失函数， 以利用所述关系抽取模型对医学文献进行关系抽取， 其 中， 所述渐进式的权 重损失函数为： 。 2.根据权利要求1所述的医学文献的关系抽取方法， 其特征在于， 所述关系抽取模型中 采用指针网络作为解码 器， 其中， 所述解码 器为每个语句中的位置 分配一个二进制标记， 所 述二进制标记指示所述语句中的位置是否正确， 并提供每个位置的置信度以检测实体的开 始和结束位置， 所述关系抽取模型的损失函数为： ， 其中，N表示语句的长度， 表示主语的第i个token的label， 如果第i个t oken是真实的 位置， 则 ， 否则为 表示第i个to ken的置信度。 3.根据权利要求1所述的医学文献的关系抽取方法， 其特征在于， 所述尾实体/关系抽 取模块由双指针网络构成， 所述双指针网络的数量由关系的数量决定 。 4.根据权利要求3所述的医学文献的关系抽取方法， 其特征在于， 所述尾实体/关系抽 取模块的损失函数为： ， 其中，N表示语句的长度， 表示宾语中第i个to ken的label， 如果第i个to ken是真实的位置则 ， 否则为 表示关系的数量。 5.一种医学文献的关系抽取装置， 其特 征在于， 包括： 获取模块， 用于获得数据集， 并基于所述数据集预训练Bert模型， 其中， 所述数据集包 括外部医学文献数据库中的医学文献， 所述医学文献预先标注实体， 所述Bert模型用于实 体监督； 构建模块， 用于构建关系抽取模型， 所述关系抽取模型包括头实体抽取模块、 关联模块 以及尾实体/关系抽取模块， 所述头实体抽取模块以及关联模块的编码器基于所述实体监 督的Bert模 型进行微调， 其中， 在所述关联模块中， 所述编码 器的向量表 示和头实体抽取模 块的向量表示的头尾位置to ken的平均值以多头注意力机制来结合； 关系抽取模块， 用于获得渐进式的权重损 失函数， 以利用所述关系抽取模型对医学文权　利　要　求　书 1/2 页 2 CN 114064938 B 2献进行关系抽取， 其中， 所述渐进式的权 重损失函数为： 。 6.一种电子设备， 其特征在于， 所述电子设备包括存储器、 处理器以及存储在存储器上 并可在处理器上运行的计算机程序， 所述处理器用于执行所述程序时实现根据权利要求 1‑ 4任一项所述的医学文献的关系抽取 方法。 7.一种计算机可读存储介质， 其上存储有计算机程序， 所述计算机程序用于实现根据 权利要求1 ‑4任一项所述的医学文献的关系抽取 方法。权　利　要　求　书 2/2 页 3 CN 114064938 B 3