当前位置: 首页 > 科技成果列表 > 科技成果详细

一种中文电子病历分词和命名实体识别方法及系统

技术类型:发明专利

技术成熟度:研发

转让方式:技术转让、技术许可、技术入股

专利申请日:2017-03-16

专利所属地 :中国

专利号:CN201710155128.9

应用领域:通用仪器仪表制造

技术领域:生物与新医药

交易价格:面议专利价值评估

应用案例:否

了解与分析本科技成果,可查看成果概况并使用以下技术转移数智化应用工具:
成果概况
简介

摘要:

本发明提供了一种中文电子病历分词和命名实体识别的新方法及新系统。主要包括以下几部分:

  1. 基于CRF模型对中文电子病历文本进行分词;
  2. 利用crf++工具获取单词的向量表示特征;
  3. 基于双向循环神经网络(LSTM)模型对单词特征向量进行深度表示学习;
  4. 对实体进行分类预测;
  5. 基于B/S架构提供图形交互界面的在线系统。

使用本发明可以对中文电子病历进行分类及预测,相较于传统的机器学习方法,有效减少了人工构造特征的工作量。此外,本发明还为用户提供了交互系统能对预测结果进行修正与改进。

(此文字表达经过AI优化完善,查看原文请点击 原文)
专利基本信息
专利名称 一种中文电子病历分词和命名实体识别方法及系统
专利状态 - 专利号(申请号) CN201710155128.9
申请号 - 专利申请日期 2017-03-16
专利授权日期 2017-07-25 专利权届满日 -
专利所属地 中国 专利类型 发明专利
发明人 李智;罗曜儒;张祥伟;李健;华伟
权利人 -
专利摘要 本发明提供了一种中文电子病历分词和命名实体识别新方法及新系统。主要包括:基于CRF模型对中文电子病历文本进行分词以及利用crf++工具获取单词的向量表示特征、基于双向循环神经网络LSTM模型对单词特征向量进行深度表示学习,并对实体进行分类预测、基于B/S架构提供图形交互界面的在线系统。使用本发明可以对中文电子病历进行分类及预测,相较于传统的机器学习方法,有效减少了人工构造特征的工作量;本发明还为用户提供了交互系统能对预测结果进行修正与改进。
成果评价分析
技术应用分析
服务案例
Baidu
map