龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了一种基于提示学习中关系抽取的医疗文本分类方法，包括提示模版的构建以及LM‑bert模型的改进，提示模版构建时加入了三个不同掩码，将第一掩码和第三掩码的实体设置为名词，将第二掩码的实体设置为介词，并且第一掩码和第三掩码存在关系语义；LM‑bert模型改进为添加与词嵌入分支并行的字嵌入分支，RoBERTa输出词向量和字向量，其中字向量经过一层LSTM训练后得到字在该句中更为丰富的语义信息，然后通过多头注意力机制与词嵌入相加后输出给分类器。本发明通过在掩码间建立语义关系以及词嵌入和字嵌入的结合，能够捕捉更为复杂的语义关系和上下文信息，提升分类准确性。
主权项：1.一种基于提示学习中关系抽取的医疗文本分类方法，其特征在于，包括：1对各医疗文本样本进行预处理，为各医疗文本样本打上真实分类类别的标签，形成文本数据集，将文本数据集划分为训练集、验证集和测试集；为文本数据集中所有的医疗文本样本制作相应的词向量及字典；真实分类类别包括保守治疗、手术治疗和其他；2构建提示模版“这个[MASK1]症状[[MASK2]是由[[MASK3]引起的”以及映射词表，在提示模版的掩码位置打上位置标签；将文本数据集中的文本与提示模版进行拼接后通过分词器转换为向量形式的新文本；在提示模版中加入三个不同掩码，其中被MASK的实体满足第一掩码和第三掩码的实体是名词，第二掩码的实体是介词，且第一掩码和第三掩码存在关系语义；将三个掩码聚合形成完整的提示模版，作为后续改进的LM-bert模型的输入；构建改进的LM-bert模型，包括为词嵌入分支添加并行的字嵌入分支，RoBERTa输出词向量和字向量，其中字向量经过一层LSTM训练后得到字在该句中更为丰富的语义信息，然后通过多头注意力机制与词嵌入相加后输出给分类器；向量形式的新文本输入至改进的LM-bert模型中，提取样本文本的序列结果和语义信息，再通过分类器得到概率最高的标签词，从而得出相应标签词；3通过Adam优化器反向传播更新参数对LM-bert模型进行优化；4将序列结果经过相似度分析后得出其细粒度结果进行三分类。
全文数据：
权利要求：
百度查询： 淮阴工学院 一种基于提示学习中关系抽取的医疗文本分类方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号