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！

龙图腾网获悉三峡大学申请的专利一种基于词向量融合的医疗电子病历命名实体识别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：CN116306640B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202211105808.7，技术领域涉及：G06F40/295；该发明授权一种基于词向量融合的医疗电子病历命名实体识别方法是由张猛;陈鹏;余肖生设计研发完成，并于2022-09-09向国家知识产权局提交的专利申请。

本一种基于词向量融合的医疗电子病历命名实体识别方法在说明书摘要公布了：本发明公开了一种基于词向量融合的医疗电子病历命名实体识别方法，本发明通过对中文电子病历的文本内容进行分析，研究了不同形式的词向量对于命名实体识别的影响，提出了基于词向量融合的文本命名实体识别方法，该方法结合了静态的词向量表示模型和具有上下文语义信息的动态词向量预训练模型，用于解决电子病历文本中需要医疗领域词语的静态词表示和具有多重语义信息的不同实体，实现了对医疗实体有针对性地提取，提高电子病历文本命名实体识别模型的性能。

本发明授权一种基于词向量融合的医疗电子病历命名实体识别方法在权利要求书中公布了：1.一种基于词向量融合的医疗电子病历命名实体识别方法，其特征在于：包括以下步骤： S1，数据集和数据预处理： 对现有的中文电子病历数据集进行预处理，将文本词语与标签一一对应，并将数据集拆分成训练集和测试集； S2，进行数据预训练： 设定输出的向量维度为一固定值，然后将S1中处理好的文本数据分别通过Word2Vec、Glove和ELMo三个词向量预训练模型进行预训练，得到对应的词向量矩阵W，G和E；ELMo模型的预训练采用CNN与双层双向LSTM结合的方式，获得更好的文本词向量表示；Word2Vec的预训练词向量方法可选择跳词模型Skip-gram或连续词袋模型CBOW； S3，进行不同词向量融合： S301，对词向量矩阵W和G进行融合：词向量矩阵W和G是固定维度的静态词向量矩阵；对词向量矩阵W和G求和取平均： ； 得到新的词向量矩阵N，并设置向量维度； S302，对词向量矩阵E与N进行融合： 词向量矩阵E是由多维的tensor矩阵，首先对其进行降维处理： 假定每个tokens的向量为；m是词向量维度；h是各个tokens的层数，对矩阵E进行降维操作得到降维之后的词向量矩阵； 将S301处理后的词向量矩阵N和进行横向拼接，得到拼接后词向量矩阵C，并设置向量维度； S4，模型训练与实体识别： 将融合之后的词向量矩阵C引入BiLSTM-CRF模型中，在训练数据集中训练得到模型，并在测试数据集上进行文本命名实体识别预测。

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三峡大学，其通讯地址为：443002 湖北省宜昌市西陵区大学路8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。