随着医疗信息系统的加快建设,电子病历数量急剧增长。电子病历中不仅包含患者的临床信息(如检查结果、临床诊断等),还包含丰富的医疗实体,这些医疗实体大部分之间存在一定关系。使用自然语言处理技术从电子病历文本中抽取医疗实体以及实体间的语义关系,构建可用于临床决策的医疗知识库,对于推动电子病历在智慧医疗中的应用具有重要意义。目前,电子病历医疗实体识别和实体关系识别的研究主要面向英文电子病历,在中文电子病历上公开的评测及语料较少;另外,已有的研究主要基于传统机器学习方法,这些方法依赖大量人工构造的特征。综上,本文的研究内容是中文电子病历医疗实体识别及实体关系识别,主要的研究工作包括:(1)在标注规则及语料方面,制定了中文电子病历实体关系标注规则,并标注构建了实体关系语料库。在参考2010年I2B2/VA挑战评测发布的英文电子病历标注规范的基础上,并根据中文电子病历的语言和结构特点,制定了适用于中文电子病历的实体关系标注规则。在标注人员熟悉标注规则的前提下,采取传统的标注方案,以抽样检查的方式,确保标注结果真实可靠,共标注了3500份电子病历。(2)在医疗实体识别方面,提出了基于医疗知识注意力增强的实体识别方法。医疗知识词典中对于实体定义有着详细的描述,能够为电子病历实体识别提供辅助信息。因此,本文首先将CNN提取的字级向量和预训练的字级向量拼接;然后利用双向LSTM对句子编码,抽取每个字的上下文表示;接着使用注意力机制引入医疗知识词典,学习电子病历中文本和医疗知识词典中实体的共享语义;最后利用CRF来预测句子中的实体标签。在手工标注的电子病历实体语料库上实验证明,引入医疗知识词典能够有效提升实体识别的性能,F1值为92.03%。(3)在实体关系识别方面,提出了融合双向GRU和注意力的实体关系识别方法。传统的关系识别大多以句子为处理单元,忽略了语料中标注错误的句子对模型的影响,并且没有充分利用包含实体对的多个句子在分类时的相互增强作用。因此,本文首先将字向量和位置向量拼接;然后利用双向GRU学习字的上下文信息,获取更细粒度的特征;接着用字注意力机制提高对关系识别起决定作用的字符权重;最后通过句子级注意力机制获取多个句子的特征,降低错误标注对分类的影响。实验结果表明,本文方法在手工标注的语料库上取得了较好的结果,F1值为82.17%。(4)在医疗实体与实体关系联合识别方面,提出了基于多任务的医疗实体与关系识别联合识别方法。已有的联合识别方法先进行实体识别,再进行关系识别,导致实体识别的错误会传播到关系识别,忽视了两个任务间的相互支撑作用。因此,本文首先将CNN提取的字级向量跟预训练的字级向量拼接;然后利用双向LSTM抽取每个字的上下文表示;接着使用CRF来预测句子中的实体标签;最后利用图卷积网络对实体节点和关系节点联合学习,并输出节点级向量,进行关系分类。在手工标注的语料库上进行实验,实体识别和关系识别结果均优于其他模型,F1值分别为88.05%和84.81%。实验证明,我们有效的将实体识别和关系识别结合起来,充分考虑了两任务间的相互支撑作用。