1.一种基于模型的缩写数据的实体识别方法，其特征在于，包括：

获取待识别的医学文本；

通过预设算法查找出所述医学文本中出现的所有缩写-全称对数据；

判断指定缩写-全称对中的第一全称，是否为预设的指定医学字典中第一医学概念的医学别名，其中，所述指定缩写-全称对为医学文本中出现的所有缩写-全称对数据中的任意一个缩写-全称对，所述指定缩写-全称对包括第一全称，以及与所述第一全称对应的第一缩写；

若所述第一全称不是所述指定医学字典中第一医学概念的医学别名，则判断所述第一缩写是否为所述指定医学字典中第二医学概念的医学别名；

若所述第一缩写是所述第二医学概念的医学别名，则从所述指定医学字典中获取所述第二医学概念包含的所有医学别名；

将所述第一全称与指定医学别名输入至预设的孪生网络模型中，通过所述孪生网络模型获取所述第一全称与所述指定医学别名之间的指定相似度数值，其中，所述指定医学别名为所述第二医学概念包含的所有医学别名中的任意一个医学别名，所述孪生网络模型为基于预先采集的具有标注的样本数据对预设的神经网络模型进行训练后生成的；

根据所述指定相似度数值，判断在所述第二医学概念包含的所有医学别名中是否存在与所述第一全称意思相同的医学别名；

若在所述第二医学概念包含的所有医学别名中存在与所述第一全称意思相同的医学别名，则判定所述第一缩写属于医学实体，且所述第一缩写与所述第二医学概念具有对应关系。

2.根据权利要求1所述的基于模型的缩写数据的实体识别方法，其特征在于，所述孪生网络模型包括两个并行且相同的第一神经网络与第二神经网络，所述将所述第一全称与指定医学别名输入至预设的孪生网络模型中，通过所述孪生网络模型获取所述第一全称与所述指定医学别名之间的指定相似度数值的步骤，包括：将所述第一全称输入至所述孪生网络模型中的第一神经网络内，以及将所述指定医学别名输入至所述孪生网络模型中的第二神经网络内；

通过所述第一神经网络将所述第一全称转化为对应的第一向量，以及通过所述第二神经网络将所述指定医学别名转化成对应的第二向量；

计算所述第一向量与所述第二向量的相似度数值；

将所述第一向量与所述第二向量的相似度数值，确定为所述第一全称与所述指定医学别名的指定相似度数值。

3.根据权利要求1所述的基于模型的缩写数据的实体识别方法，其特征在于，所述根据所述指定相似度数值，判断在所述第二医学概念包含的所有医学别名中是否存在与所述第一全称意思相同的医学别名的步骤，包括：获取预设的相似度阈值；

判断在所有所述指定相似度数值中，是否存在大于所述相似度阈值的相似度数值；

若在所有所述指定相似度数值中，存在大于所述相似度阈值的相似度数值，则判定在所述第二医学概念包含的所有医学别名中存在与所述第一全称意思相同的医学别名；

若在所有所述指定相似度数值中，不存在大于所述相似度阈值，则判定在所述第二医学概念包含的所有医学别名中不存在与所述第一全称意思相同的医学别名。

4.根据权利要求1所述的基于模型的缩写数据的实体识别方法，其特征在于，所述判断指定缩写-全称对中的第一全称，是否为预设的指定医学字典中第一医学概念的医学别名的步骤之前，包括：获取医学字典；

按照预设的标注规则，对所述医学字典中包含的医学别名数据进行标注处理，生成标注后的医学字典；

将所述标注后的医学字典作为所述指定医学字典。

5.根据权利要求1所述的基于模型的缩写数据的实体识别方法，其特征在于，所述若在所述第二医学概念包含的所有医学别名中存在与所述第一全称意思相同的医学别名，则判定所述第一缩写属于医学实体，且所述第一缩写与所述第二医学概念具有对应关系的步骤之后，包括：基于所述指定医学字典，筛选出所述医学文本中的候选缩写医学实体与全称医学实体；

判断指定候选缩写医学实体是否同时属于所述指定医学字典中多个不同的医学概念的医学别名，其中，所述指定候选缩写医学实体为所述所有候选缩写医学实体中的任意一个数据；

若同时属于所述指定医学字典中多个不同的医学概念的医学别名，则遍历所有所述全称医学实体，并判断所述全称医学实体中是否存在指定医学概念的医学别名，其中，所述指定医学概念为所述指定候选缩写医学实体所属的多个医学概念中的任意一个医学概念；

若所述全称医学实体中存在指定医学概念的医学别名，则判定所述指定候选缩写医学实体属于医学实体，且所述指定候选缩写医学实体与所述指定医学概念具有对应关系；

若所述全称医学实体中不存在指定医学概念的医学别名，则判定所述指定候选缩写医学实体不属于医学实体。

6.根据权利要求1所述的基于模型的缩写数据的实体识别方法，其特征在于，所述根据所述指定相似度数值，判断在所述第二医学概念包含的所有医学别名中是否存在与所述第一全称意思相同的医学别名的步骤之后，包括：若在所述第二医学概念包含的所有医学别名中不存在与所述第一全称意思相同的医学别名，则判定所述第一缩写不属于医学实体；

对所述第一缩写添加非医学实体的标注。

7.根据权利要求1所述的基于模型的缩写数据的实体识别方法，其特征在于，所述若在所述第二医学概念包含的所有医学别名中存在与所述第一全称意思相同的医学别名，则判定所述第一缩写属于医学实体的步骤之后，包括：从所述指定医学字典中查找出与所述第二医学概念对应的数据记录位置；

在所述数据记录位置确定出一个填充位置；

在所述填充位置添加所述第一全称。

8.一种基于模型的基于模型的缩写数据的实体识别装置，其特征在于，包括：第一获取模块，用于获取待识别的医学文本；

第一查找模块，用于通过预设算法查找出所述医学文本中出现的所有缩写-全称对数据；

第一判断模块，用于判断指定缩写-全称对中的第一全称，是否为预设的指定医学字典中第一医学概念的医学别名，其中，所述指定缩写-全称对为医学文本中出现的所有缩写-全称对数据中的任意一个缩写-全称对，所述指定缩写-全称对包括第一全称，以及与所述第一全称对应的第一缩写；

第二判断模块，用于若所述第一全称不是所述指定医学字典中第一医学概念的医学别名，则判断所述第一缩写是否为所述指定医学字典中第二医学概念的医学别名；

第二获取模块，用于若所述第一缩写是所述第二医学概念的医学别名，则从所述指定医学字典中获取所述第二医学概念包含的所有医学别名；

第三获取模块，用于将所述第一全称与指定医学别名输入至预设的孪生网络模型孪生网络模型模型中，通过所述孪生网络模型孪生网络模型模型获取所述第一全称与所述指定医学别名之间的指定相似度数值，其中，所述指定医学别名为所述第二医学概念包含的所有医学别名中的任意一个医学别名，所述孪生网络模型孪生网络模型模型为基于预先采集的具有标注的样本数据对预设的神经网络模型进行训练后生成的；

第三判断模块，用于根据所述指定相似度数值，判断在所述第二医学概念包含的所有医学别名中是否存在与所述第一全称意思相同的医学别名；

第一判定模块，用于若在所述第二医学概念包含的所有医学别名中存在与所述第一全称意思相同的医学别名，则判定所述第一缩写属于医学实体，且所述第一缩写与所述第二医学概念具有对应关系。

9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。