基于深度学习的中医药临床文献数据结构化方法及装置与流程

技术特征：
1.一种基于深度学习的中医药临床文献数据结构化方法，其特征在于，所述方法包括：s1、获取待处理文献；s2、将所述待处理文献输入到预先构建好的文献数据结构化模型；s3、基于所述待处理文献以及所述文献数据结构化模型，得到结构化文本。2.根据权利要求1所述的方法，其特征在于，所述s2中的所述文献数据结构化模型的构建过程包括：s21、获取中医药临床文献样本数据集，并对所述样本数据集进行预处理；s22、对所述预处理后的样本数据集进行数据标注，根据得到的标注数据得到正则池以及标注集，将所述标注集分为训练集、验证集、测试集；s23、构建基于自注意力机制transformer的神经网络模型，根据所述训练集、验证集对所述神经网络模型进行命名实体识别训练，得到文献数据结构化模型；s24、将所述测试集输入到所述文献数据结构化模型，得到预测的目标点，根据所述正则池提取所述预测的目标点所在的一句或多句话，得到预测的结构化文本；s25、将所述预测的结构化文本进行人工校对，若人工校对结果不一致，则转去执行s21；若人工校对结果一致，则输出所述文献数据结构化模型。3.根据权利要求2所述的方法，其特征在于，所述s21中的对所述样本数据集进行预处理包括：将所述样本数据集中的样本数据进行拆分，将拆分后的样本数据中的关键词、日期、抬头、编号信息删除。4.根据权利要求2所述的方法，其特征在于，所述s22中的对所述预处理后的样本数据集进行数据标注包括：根据所述预处理后的样本数据集的内容，设定标签及排序，所述标签的内容为需进行结构化内容的描述；根据所述标签对所述预处理后的样本数据集的内容进行标注，并将标注的内容和相应的标签进行关联。5.根据权利要求2所述的方法，其特征在于，所述s22中的根据得到的标注数据得到正则池包括：提取所述标注数据所在的句子，在所述句子中去掉所述标注数据，动态生成正则提取句式，将所述正则提取句式保存到正则池。6.根据权利要求2所述的方法，其特征在于，所述s22中的根据得到的标注数据得到标注集包括：对所述标注数据采用bio标注法进行序列标注，得到标注集。7.一种基于深度学习的中医药临床文献数据结构化装置，其特征在于，所述装置包括：获取模块，用于获取待处理文献；输入模块，用于将所述待处理文献输入到预先构建好的文献数据结构化模型；输出模块，用于基于所述待处理文献以及所述文献数据结构化模型，得到结构化文本。8.根据权利要求7所述的装置，其特征在于，所述文献数据结构化模型的构建过程包括：s21、获取中医药临床文献样本数据集，并对所述样本数据集进行预处理；
s22、对所述预处理后的样本数据集进行数据标注，根据得到的标注数据得到正则池以及标注集，将所述标注集分为训练集、验证集、测试集；s23、构建基于自注意力机制transformer的神经网络模型，根据所述训练集、验证集对所述神经网络模型进行命名实体识别训练，得到文献数据结构化模型；s24、将所述测试集输入到所述文献数据结构化模型，得到预测的目标点，根据所述正则池提取所述预测的目标点所在的一句或多句话，得到预测的结构化文本；s25、将所述预测的结构化文本进行人工校对，若人工校对结果不一致，则转去执行s21；若人工校对结果一致，则输出所述文献数据结构化模型。9.根据权利要求7所述的装置，其特征在于，所述s21中的对所述样本数据集进行预处理包括：将所述样本数据集中的样本数据进行拆分，将拆分后的样本数据中的关键词、日期、抬头、编号信息删除。10.根据权利要求7所述的装置，其特征在于，对所述预处理后的样本数据集进行数据标注包括：根据所述预处理后的样本数据集的内容，设定标签及排序，所述标签的内容为需进行结构化内容的描述；根据所述标签对所述预处理后的样本数据集的内容进行标注，并将标注的内容和相应的标签进行关联。

技术总结
本发明公开了一种基于深度学习的中医药临床文献数据结构化方法及装置，涉及数据处理技术领域。包括：获取待处理文献；将待处理文献输入到预先构建好的文献数据结构化模型；基于待处理文献以及文献数据结构化模型，得到结构化文本。本发明能够解决现有技术存在的抽取结果不准确、校对工作量大，并且由于抽取规则为人为主动进行预置的原因，升级过程复杂，无法利用已校对内容进行自学习，达不到越用越精确的目的的问题。的目的的问题。的目的的问题。


技术研发人员：雷蕾 李海燕 杨乐 刘华云 李小阳 王晰
受保护的技术使用者：中国中医科学院中医药信息研究所
技术研发日：2021.11.15
技术公布日：2022/3/4