公开(公告)号：CN109697285A

公开(公告)日：2019-04-30

申请号：CN201811523661.7

申请日：2018-12-13

Applicant: 中南大学

Inventor： 王建新 ,  余颖 ,  李敏

IPC: G06F17/27 ,  G16H10/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种增强语义表示的层次BiLSTM中文电子病历疾病编码标注方法，对输入的电子病历文本进行预处理后，考虑中文词语构成中，单个汉字包含具体语义，利用引入关注机制的BiLSTM提取字符级特征向量表示，获得单个汉字的语义及构词特征；将字符级词向量表示与利用word2vec训练得到的词语级别的向量表示进行拼接，得到字符特征增强的词语向量表示；以特征词向量表示的文本序列作为输入，再次利用BiLSTM学习整个电子病历中的上下文特征，并采用关注机制，计算各个特征词的贡献度，得到上下文特征加权的文本向量表示，提高了预测效果。本发明的方法适用于基于中文电子病历文本的疾病标签分类任务，并有效提高了分类效果。

公开(公告)号：CN109697285B

公开(公告)日：2022-06-21

申请号：CN201811523661.7

申请日：2018-12-13

Applicant: 中南大学

Inventor： 王建新 ,  余颖 ,  李敏

IPC: G06F40/289 ,  G06F40/30 ,  G16H10/60 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种增强语义表示的层次BiLSTM中文电子病历疾病编码标注方法，对输入的电子病历文本进行预处理后，考虑中文词语构成中，单个汉字包含具体语义，利用引入关注机制的BiLSTM提取字符级特征向量表示，获得单个汉字的语义及构词特征；将字符级词向量表示与利用word2vec训练得到的词语级别的向量表示进行拼接，得到字符特征增强的词语向量表示；以特征词向量表示的文本序列作为输入，再次利用BiLSTM学习整个电子病历中的上下文特征，并采用关注机制，计算各个特征词的贡献度，得到上下文特征加权的文本向量表示，提高了预测效果。本发明的方法适用于基于中文电子病历文本的疾病标签分类任务，并有效提高了分类效果。