一种增量式的中医文本概念识别方法

摘要

本发明公开了一种增量式的中医文本概念识别方法，在少量人工标注语料的基础上，通过选取预测样本和其邻近样本置信度高的预测样本加入标注语料；选取预测样本置信度低且其具有较高贡献度的预测样本返回专家标注后加入标注语料，以此来增加标注样本的数量。使用每次迭代获得种子集不停的优化模型M，最后得到精化后的模型M。本发明分析了中医文本特点和实体结构，提取了多个特征以提高对中医文本概念识别的准确性。采用少量种子集，通过筛选置信度高且邻近样本置信度也高的预测样本加入种子集以实现标注样本增量式训练，减少了人力投入。通过筛选置信度低但是贡献度高预测样本的返回专家标注，从而缩减分类模型的规模和训练时间。