1.基于多任务学习的生物医学实体抽取方法,其特征在于,包括以下步骤:
S1、获取一段医学文本;
S2、将医学文本输入多任务实体抽取模型,利用多任务实体抽取模型从医学文本中抽取实体;
S3、为不同的实体类别分别构建对应的医学词典,每个实体由ID标识;
S4、构建多任务实体标准化模型,将抽取的实体输入所述多任务实体标准化模型,并输出得到实体密集表征;
S5、计算出实体稀疏表征,将实体密集表征与实体稀疏表征进行加权求和得到实体表征,分别计算出抽取的实体和医学词典中所有实体的实体表征,通过内积计算它们之间的相似度,从而得到抽取的实体在医学词典中的ID;
其中,所述多任务实体抽取模型包括第一预训练语言模型和多个交互式指针网络解码层,每个交互式指针网络解码层对应一个子任务,每个子任务对应目标实体类别的实体抽取,所述交互式指针网络解码层包括中间层、起始层、线性交互层和结束层;医学文本输入所述第一预训练语言模型得到文本表征,所述中间层对文本表征进行特征提取和降维后输入所述起始层,所述起始层得到实体开始表征,所述实体开始表征输入所述线性交互层得到交互表征,交互表征与文本表征进行求和并输入所述结束层得到实体结束表征,将实体开始表征和实体结束表征进行解码得到实体的开始边界和结束边界,完成从文本中抽取实体;
所述多任务实体标准化模型包括第二预训练语言模型和多个Bert层,每个Bert层对应一个子任务,每个子任务对应目标类别的实体标准化;将抽取的实体输入所述第二预训练语言模型得到实体上下文表征,并根据实体类别将实体上下文表征输入到对应的Bert层,Bert层输出得到实体密集表征。
2.如权利要求1所述的基于多任务学习的生物医学实体抽取方法,其特征在于,所述多任务实体抽取模型包括八个交互式指针网络解码层,分别对应基因/蛋白质、化合物/药物、疾病、DNA、RNA、细胞类型、细胞系、物种共八种实体类别的实体抽取。
3.如权利要求1所述的基于多任务学习的生物医学实体抽取方法,其特征在于,所述第一预训练语言模型采用BioBERT。
4.如权利要求1所述的基于多任务学习的生物医学实体抽取方法,其特征在于,所述第二预训练语言模型采用SapBERT。
5.如权利要求1所述的基于多任务学习的生物医学实体抽取方法,其特征在于,步骤S5中,利用TF-IDF算法计算出实体稀疏表征。
6.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1-5中任意一项所述方法的步骤。
7.一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,该程序被处理器执行时实现权利要求1-5任意一项所述方法的步骤。