1.一种中文医疗命名实体识别方法，其特征在于，包括：获取临床文本数据；将临床文本数据分别转换为医疗文本的字符嵌入表示、医学概念嵌入特征向量和跨语言中文嵌入表示并进行拼接，得到多元数据融合特征向量；将多元数据融合特征向量输入至基于多图的命名实体识别模型中，识别出中文医疗命名实体类型；其中，基于多图的命名实体识别模型包括多图网络和LSTM‑CRF模型，多图网络用于接收以多元数据融合特征向量为节点构成的文本图，输出节点的最终状态并传送至LSTM‑CRF模型，由LSTM‑CRF模型输出识别结果。2.如权利要求1所述的中文医疗命名实体识别方法，其特征在于，采用基于BERT的预训练模型，获得医疗文本的字符嵌入表示。3.如权利要求1所述的中文医疗命名实体识别方法，其特征在于，利用基于注意力机制的语义树，获取医学概念嵌入特征向量。4.如权利要求1所述的中文医疗命名实体识别方法，其特征在于，利用注意力机制将源语言单词翻译的多个目标语言单词嵌入到单词表示中，得到跨语言中文嵌入表示。5.如权利要求1所述的中文医疗命名实体识别方法，其特征在于，文本图中的节点有两类节点组成，分别是字符节点和词典节点，字符节点为句子中的每一个字符，词典节点由开始节点和结束节点组成。6.如权利要求5所述的中文医疗命名实体识别方法，其特征在于，词典节点隶属于手术词典、疾病词典、解剖部位词典、药物词典、检验词典或基于临床文本实体类型的词典，这些词典根据临床文本中的实体类型得到。7.如权利要求1所述的中文医疗命名实体识别方法，其特征在于，在所述LSTM‑CRF模型中，采用双向LSTM从全局上下文中学习字符的隐藏表示，采用CRF解码字符的标签。8.一种中文医疗命名实体识别系统，其特征在于，包括：数据获取模块，其用于获取临床文本数据；融合特征模块，其用于将临床文本数据分别转换为医疗文本的字符嵌入表示、医学概念嵌入特征向量和跨语言中文嵌入表示并进行拼接，得到多元数据融合特征向量；实体识别模块，其用于将多元数据融合特征向量输入至基于多图的命名实体识别模型中，识别出中文医疗命名实体类型；其中，基于多图的命名实体识别模型包括多图网络和LSTM‑CRF模型，多图网络用于接收以多元数据融合特征向量为节点构成的文本图，输出节点的最终状态并传送至LSTM‑CRF模型，由LSTM‑CRF模型输出识别结果。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1‑7中任一项所述的中文医疗命名实体识别方法中的步骤。10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1‑7中任一项所述的中文医疗命名实体识别方法中的步骤。