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！

龙图腾网获悉江苏师范大学申请的专利一种基于改进命名实体识别的医疗问答系统及其构建方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116719913B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310469261.7，技术领域涉及：G06F16/3329；该发明授权一种基于改进命名实体识别的医疗问答系统及其构建方法是由姜芳艽;陈婕妤;王斌设计研发完成，并于2023-04-27向国家知识产权局提交的专利申请。

本一种基于改进命名实体识别的医疗问答系统及其构建方法在说明书摘要公布了：一种基于改进命名实体识别的医疗问答系统及其构建方法，该系统和方法通过利用BERT预训练语言模型提取文本的特征，语义表达能力强，对获取的字向量加入扰动因子，增强了模型的泛化能力及鲁棒性；引入对抗训练解决数据集可能存在的标注数量不够或漏标的问题，降低数据集噪声对实现结果的影响；分层设置学习率，达到BERT层效果不下降、下接层训练更快、训练同步的效果；通过BERT层和BiLSTM层输出特征拼接，使层与层之间联系更密切，获得了更深层次的特征，且不丢失BERT层原本特征；通过两轮意图识别功能增加了闲聊语句，使系统可以回答用户的闲聊类话题，槽位继承使系统具有多轮问答功能，大大提高问答系统回复的准确率。

本发明授权一种基于改进命名实体识别的医疗问答系统及其构建方法在权利要求书中公布了：1.一种基于改进命名实体识别的医疗问答系统构建方法，其特征在于，包括如下步骤： 步骤一，爬取相关医疗信息，对数据进行清洗和预处理，构建数据集，并定义所需数据模式，采用Neo4j图数据库对收集到的数据按照定义的数据模式进行存储,完成知识图谱的构建； 步骤二，构建基于BERT-FGM-BiLSTM-CRF-lr拼接改进网络的命名实体识别模型结构，执行医疗命名实体识别任务，对用户输入的问句中的医疗实体进行抽取； 基于BERT-FGM-BiLSTM-CRF-lr拼接改进网络的命名实体识别模型的构建步骤如下： 2.1融合CCKS2019数据集和cMedQANER数据集：CCKS2019数据集包含疾病和诊断、解剖部位、手术、检查、药物、检验；cMedQANER数据集包括疾病、症状、检测、生理机能、治疗方式、身体部位、人群、科室、药品、局部、时间；两种数据集均采用BIO标注法进行标注； 2.2将CCKS2019数据集作为基础数据集，从cMedQANER数据集中抽取出部分可用类别的实体合并至CCKS2019数据集中，包括“检测-检查、治疗方式-手术、药品-药物”，对CCKS2019数据集做小范围扩充； 2.3引入BERT模型进行词嵌入，词嵌入通过预训练及Fine-tune环节获得，通过BERT模型获取所有字向量，提取文本特征，增强模型对字符语义特征的获取能力，记为e1； 2.4引入对抗训练，将通过BERT模型获取的所有字向量e1加入对抗训练的扰动因子r，记为e2；其中，对抗训练公式如下： ; 式中，D为训练集，x为输入，y为标签，θ为模型参数，Lx+Δx,y;θ为单个样本的损失值，Ω为扰动空间，Δx为对抗扰动； 扰动因子r通过BERT输出的字向量损失值与当前梯度值做标准化处理得到，字向量和扰动量之和为对抗样本；对抗扰动的计算公式如下： ; 式中，g是梯度值，即损失函数对x的偏导，ε是缩放因子； 2.5将加入扰动的字向量e2送入BiLSTM网络得到上下文特征信息，记为e3； 2.6将BiLSTM层的输出e3与加入扰动的字向量e2进行特征拼接，同时保留两层的输出特征，记为e4； 2.7将向量e4送入全连接层进行降维处理，记为e5； 步骤三，构建基于BERT-TextCNN网络的意图识别模型结构，执行问句意图识别任务，识别用户输入问句中蕴含的意图； 步骤四，采用“意图识别+语义槽设计+模板”的技术路线构建医疗问答系统，进行两轮意图识别，判断意图之后，做槽位填充，再根据结构化的语义槽在知识图谱中进行查询； 步骤五，利用槽位继承实现系统的多轮问答功能； 步骤六，设计医疗问答系统及其用户页面，使用PyQt5进行页面开发，支持人机交互，实现在线辅诊的功能。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏师范大学，其通讯地址为：221116 江苏省徐州市铜山新区上海路101号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。