[發(fā)明專利]用于從電子文檔提取信息的方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201310059415.1
• 申請日: 2013-02-26
• 公開（公告）號: CN103294764B
• 公開（公告）日: 2016-11-16
• 發(fā)明（設(shè)計）人: T·F·希達(dá)-馬穆德;L·基蒂卡留
• 申請（專利權(quán)）人: 國際商業(yè)機(jī)器公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京市中咨律師事務(wù)所 11247
• 代理人: 于靜;張亞非

1.一種用于從電子文檔提取信息的方法，所述方法包括：

從訓(xùn)練語料庫學(xué)習(xí)術(shù)語和術(shù)語變體，其中所述術(shù)語和所述術(shù)語變體對應(yīng)于與所述訓(xùn)練語料庫相關(guān)的專用詞典；

生成在所述訓(xùn)練語料庫中找到的否定指示符的列表；

在一組電子文檔中執(zhí)行所述術(shù)語和所述術(shù)語變體的部分匹配以產(chǎn)生初始匹配結(jié)果；以及

針對所述初始匹配結(jié)果使用所述否定指示符執(zhí)行否定測試并使用所述術(shù)語和所述術(shù)語變體執(zhí)行肯定術(shù)語測試，以便從所述初始匹配結(jié)果中刪除使所述否定測試或所述肯定術(shù)語測試失敗的匹配，從而產(chǎn)生最終匹配結(jié)果。

2.根據(jù)權(quán)利要求1的方法，其中生成所述否定指示符的列表進(jìn)一步包括：

使用N元語法參數(shù)在所述訓(xùn)練語料庫中搜索所述否定指示符，其中所述N元語法參數(shù)確定在其中找到所述否定指示符的每個短語的最大連續(xù)單詞數(shù)量。

3.根據(jù)權(quán)利要求2的方法，其中執(zhí)行所述肯定術(shù)語測試進(jìn)一步包括：

根據(jù)所述N元語法參數(shù)在所述最大數(shù)量的單詞中搜索術(shù)語修飾符，其中所述術(shù)語修飾符修改所述術(shù)語和所述術(shù)語變體。

4.根據(jù)權(quán)利要求1的方法，其中學(xué)習(xí)所述術(shù)語和術(shù)語變體進(jìn)一步包括學(xué)習(xí)每個術(shù)語和術(shù)語變體的通用前綴，其中每個通用前綴對單個單詞是唯一的。

5.根據(jù)權(quán)利要求4的方法，其中執(zhí)行所述部分匹配進(jìn)一步包括將每個術(shù)語和術(shù)語變體的所述通用前綴與所述一組電子文檔相匹配。

6.根據(jù)權(quán)利要求1的方法，其中執(zhí)行所述部分前綴匹配進(jìn)一步包括：

將所述一組電子文檔劃分成句子；

確定每個句子的最長通用子綴得分，其中所述最長通用子綴得分對應(yīng)于每個句子的最大術(shù)語和術(shù)語變體匹配子集；以及

保留具有高于預(yù)定閾值的最長通用子綴得分的句子。

7.根據(jù)權(quán)利要求1的方法，還包括：

在執(zhí)行所述部分匹配之前手動完善從所述訓(xùn)練語料庫中學(xué)習(xí)的所述術(shù)語和所述術(shù)語變體，其中電子文檔包括臨床報告。

8.一種短語匹配系統(tǒng)，所述系統(tǒng)包括：

訓(xùn)練引擎，其被配置為：

從訓(xùn)練語料庫學(xué)習(xí)術(shù)語和術(shù)語變體，其中所述術(shù)語和所述術(shù)語變體對應(yīng)于與所述訓(xùn)練語料庫相關(guān)的專用詞典；以及

生成在所述訓(xùn)練語料庫中找到的否定指示符的列表；以及匹配引擎，其被配置為：

在一組電子文檔中執(zhí)行所述術(shù)語和所述術(shù)語變體的部分匹配以產(chǎn)生初始匹配結(jié)果；以及

針對所述初始匹配結(jié)果使用所述否定指示符執(zhí)行否定測試并使用所述術(shù)語和所述術(shù)語變體執(zhí)行肯定術(shù)語測試，以便從所述初始匹配結(jié)果中刪除使所述否定測試或所述肯定術(shù)語測試失敗的匹配，從而產(chǎn)生最終匹配結(jié)果。

9.根據(jù)權(quán)利要求8的系統(tǒng)，其中生成所述否定指示符進(jìn)一步包括：

使用N元語法參數(shù)在所述訓(xùn)練語料庫中搜索所述否定指示符，其中所述N元語法參數(shù)確定在其中找到所述否定指示符的每個短語的最大連續(xù)單詞數(shù)量。

10.根據(jù)權(quán)利要求9的系統(tǒng)，其中執(zhí)行所述肯定術(shù)語測試進(jìn)一步包括：

根據(jù)所述N元語法參數(shù)在所述最大數(shù)量的單詞中搜索術(shù)語修飾符，其中所述術(shù)語修飾符修改所述術(shù)語和所述術(shù)語變體。

11.根據(jù)權(quán)利要求8的系統(tǒng)，其中學(xué)習(xí)所述術(shù)語和術(shù)語變體進(jìn)一步包括學(xué)習(xí)每個術(shù)語和術(shù)語變體的通用前綴，其中每個通用前綴對單個單詞是唯一的。

12.根據(jù)權(quán)利要求11的系統(tǒng)，其中執(zhí)行所述部分匹配進(jìn)一步包括將每個術(shù)語和術(shù)語變體的所述通用前綴與所述一組電子文檔相匹配。

13.根據(jù)權(quán)利要求8的系統(tǒng)，其中執(zhí)行所述部分前綴匹配進(jìn)一步包括：

將所述一組電子文檔劃分成句子；

確定每個句子的最長通用子綴得分，其中所述最長通用子綴得分對應(yīng)于每個句子的最大術(shù)語和術(shù)語變體匹配子集；以及

保留具有高于預(yù)定閾值的最長通用子綴得分的句子。

14.根據(jù)權(quán)利要求8的系統(tǒng)，其中所述訓(xùn)練引擎被進(jìn)一步配置為：

接收輸入以便手動完善從所述訓(xùn)練語料庫中學(xué)習(xí)的所述術(shù)語和所述術(shù)語變體，其中電子文檔包括臨床報告。