一种文本相关性评分、医学实体标准化方法及系统

本发明涉及人工智能技术领域，尤其涉及一种文本相关性评分、医学实体标准化方法及系统。本发明构建自适应边界聚焦损失函数训练相关性检验模型，基于每个相邻相关性评分类别间的可学习边界偏移量的绝对值，构建边界稀疏项；结合动态权重矩阵和所有训练集样本的预测相关性评分在实际决策边界下属于各相关性评分类别的边界感知概率分布，构建偶然性惩罚项；经训练的模型可得到两文本实体的有效相关性评分。在医学实体标准化时，利用该模型计算待标准化实体与各相关实体的相关性评分，筛选目标相关实体，利用大规模预训练语言模型从筛选结果中确定标准化结果。本发明有效提高了医学实体标准化的精度。