一种基于提示学习中关系抽取的医疗文本分类方法

本发明公开了一种基于提示学习中关系抽取的医疗文本分类方法，包括提示模版的构建以及LM‑bert模型的改进，提示模版构建时加入了三个不同掩码，将第一掩码和第三掩码的实体设置为名词，将第二掩码的实体设置为介词，并且第一掩码和第三掩码存在关系语义；LM‑bert模型改进为添加与词嵌入分支并行的字嵌入分支，RoBERTa输出词向量和字向量，其中字向量经过一层LSTM训练后得到字在该句中更为丰富的语义信息，然后通过多头注意力机制与词嵌入相加后输出给分类器。本发明通过在掩码间建立语义关系以及词嵌入和字嵌入的结合，能够捕捉更为复杂的语义关系和上下文信息，提升分类准确性。