基于深度學(xué)習的中文電子病歷實體修飾與關(guān)系抽取研究及算法平臺開發(fā).pdf

1、隨著人們生活質(zhì)量的提高和經(jīng)濟水平的發(fā)展，醫(yī)療健康問題被社會各界廣泛關(guān)注。而在如今電子化醫(yī)療系統(tǒng)迅速普及的現(xiàn)狀下，大量醫(yī)療相關(guān)的信息以電子病例的形式存儲下來，經(jīng)過不斷積累，已具備了一定的規(guī)模。傳統(tǒng)的自然語言處理技術(shù)大多需要人工標注這些數(shù)據(jù)，導(dǎo)致大多未標注的原始病例數(shù)據(jù)無法有效的應(yīng)用到任務(wù)處理中去。利用深度學(xué)習算法特征自學(xué)習的特點則可以很好地無監(jiān)督地訓(xùn)練未標注數(shù)據(jù)，得到自適應(yīng)的特征用于下一步處理中去。
　　在本文中，針對于中文電子病歷

2、的特點，開發(fā)了一個自動化的、可擴展的、高度模塊化的深度學(xué)習算法平臺，集成深度學(xué)習領(lǐng)域目前較為熱門的循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸張量神經(jīng)網(wǎng)絡(luò)等模型，用于處理中文電子病歷中的常用任務(wù)。該平臺可以快捷地利用深度學(xué)習算法對中文電子病歷中的信息抽取任務(wù)進行實驗，簡化了實驗中的大量重復(fù)工作步驟，達到了快速調(diào)試并得出結(jié)果的目的。
　　在深度學(xué)習平臺功能開發(fā)的基礎(chǔ)上，本文也利用平臺對中文電子病歷實體關(guān)系抽取做出了研究和實驗，得出了一定的實驗結(jié)果。實體關(guān)系抽

3、取基于遞歸張量神經(jīng)網(wǎng)絡(luò)（RNTN），在構(gòu)建好的句法樹上遞歸訓(xùn)練詞向量，并自頂向下訓(xùn)練多分類器達到關(guān)系分類的目的。在深層網(wǎng)絡(luò)訓(xùn)練內(nèi)部特征的基礎(chǔ)上加入了具有中文電子病歷特點的外部特征，并做了對比實驗和結(jié)果分析。
　　本文利用平臺對中文電子病歷實體修飾識別做出了研究和實驗。實體修飾識別基于循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），主要以實體周圍的語義信息為特征訓(xùn)練實體修飾的分類。在深層網(wǎng)絡(luò)訓(xùn)練內(nèi)部特征的基礎(chǔ)上也加入了外部特征予以約束，并做了對比實驗和結(jié)果