[发明专利]一种藏医药文献核心概念挖掘方法

权利要求书

1.一种藏医药文献核心概念挖掘方法，其特征在于，包括以下步骤：

S1、对藏医药文献进行预处理，得到藏医药数据源；

S2、在藏医药数据源中提取藏医药概念；

S3、在藏医药数据源中提取藏医药概念关系；

S4、根据藏医药概念和藏医药概念关系，构建藏医药概念网络，并根据藏医药概念网络，得到藏医药核心概念。

2.根据权利要求1所述的藏医药文献核心概念挖掘方法，其特征在于，所述步骤S1包括以下步骤：

S11、通过UTF-8可变长度字符编码方式对藏医药文献进行编码，得到藏医药文献TXT文本文档；

S12、遍历并删除藏医药文献TXT文本文档中的空格及停用词，得到藏医药数据源。

3.根据权利要求1所述的藏医药文献核心概念挖掘方法，其特征在于，所述步骤S2包括以下步骤：

S21、以句号及感叹号为分隔符对藏医药数据源进行句子分割，得到分句数据源，所述分句数据源包含C个分割后的句子；

S22、通过Word2Vec词向量转换模型对分句数据源进行向量转换，得到字向量句数据源，所述字向量句数据源包含C个字向量句子，且所述C个字向量句子与所述C个分割后的句子一一对应；

S23、根据字向量句数据源，通过藏医药概念提取模型提取藏医药概念；所述藏医药概念提取模型包括双向长短期记忆网络层、注意力层和条件随机场层。

4.根据权利要求3所述的藏医药文献核心概念挖掘方法，其特征在于，所述双向长短期记忆网络层包括N个输入门、N₁个遗忘门、N₂个输出门、N₃个当前单元和N₄个候选单元，且所述各门各单元的状态遵循如下等式：

i_t＝σ(w_ixx_t+w_ihh_t-₁+b_i)(2)

f_t＝σ(w_fxx_t+w_fhh_t-1+b_f)(3)

o_t＝σ(w_oxx_t+w_ohh_t-1+b_o)(5)h_t＝o_t⊙tanh(c_t)(6)

其中，为第t个候选单元的状态，tanh()为双曲正切函数，w_cx为候选单元输入权重矩阵，x_t为字向量句数据源中的当前输入藏医药概念提取模型的字向量句X＝(x₁，…，x_t-1，x_t，…，x_N)的第t个字向量，w_ch为候选单元输出权重矩阵，b_c为候选单元偏置向量，i_t为第t个输入门的状态，σ()为S型函数，w_ix为输入门输入权重矩阵，w_ih为输入门输出权重矩阵，b_i为输入门偏置向量，f_t为第t个遗忘门的状态，w_fx为遗忘门输入权重矩阵，w_fh为遗忘门输出权重矩阵，b_f为遗忘门偏置向量，c_t与c_t-1分别为第t个及第t-1个当前单元的状态，⊙为点乘运算符，o_t为第t个输出门的状态，w_ox为输出门输入权重向量，w_oh为输出门输出权重向量，b_o为输出门偏置向量，h_t与h_t-1分别为双向长短期记忆网络层的第t个及第t-1个输出量，双向长短期记忆网络层共有N₂个输出量。