[發明專利]醫院門戶網站門診專家信息抽取系統

在審

• 申請號: 201410591272.3
• 申請日: 2014-10-29
• 公開（公告）號: CN104281714A
• 公開（公告）日: 2015-01-14
• 發明（設計）人: 張遠鵬;王理;錢旦敏
• 申請（專利權）人: 南通大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 徐激波

技術領域

本發明屬于醫學信息學領域，具體涉及一種醫院門戶網站門診專家信息抽取系統。?

背景技術

目前，絕大多數醫院的門戶網站上都會有該醫院專家信息（職稱、科室、擅長領域、門診時間等）的介紹。經過對江蘇省二級甲等以上的醫院的門戶網站進行了統計，結果顯示，90%以上的醫院網站上均有專家信息的介紹以及門診時間，在抽查的樣本中，40%左右的信息是以靜態頁面的形式呈現（也稱淺層網，surface?web），其余均以查詢的方式呈現（也稱深層網，deep?web）（M.K.?Bergman.?The?Deep?Web:?Surfacing?Hidden?Value[J].?The?Journal?of?Electronic?Publishing.2001,7(1):8912-8914），即需要通過參數查詢的方式才能獲取到需要的專家信息。無論是淺網數據，還是深層網數據，如果在某一區域范圍內，能夠將各個醫院所有的專家信息進行收集，并集成到社區居民電子健康檔案系統數據庫當中，將為社區居民的就醫提供極大的便利。?

信息抽?。↖nformation?Extraction，IE）指的是利用相關的算法，從未知的用自然語言描述的文檔中，抽取具有固定格式的、無歧義的以及結構化或半結構化的信息。（Thanaa?M.?Ghanem,?Walid?G.?Aref.?Databases?Deepen?the?Web[J].?IEEE?Computer?Society?Press?Los?Alamitos,?2004,?37(1):?116-117.）。目前信息抽取的主要對象是具有海量非結構化數據的業務系統，如電子病歷系統（王理,張遠鵬,董建成.利用領域關聯知識從電子病歷中抽取檢查數據[J].中華醫院管理雜志,2014,3(30):210-213），或者是Web資源。本文所抽取的對象是web資源。關于Web頁面的信息抽取，國內外已經有大量的文獻報道。伊利諾伊大學厄本那-香檳分校的研究人員（MetaQuerier?Research?Group.?Aceessible?at?http://metaquerier.es.uiuc.edu/?Oetober,2005）利用谷歌搜索引擎和Web目錄服務人工收集了8個領域的441個Deep?Web中的477個查詢接口，構建了TEL-8數據集，為后續的研究奠定了基礎。J?Cope等（J?Cope,N?Craswell,?D?Hawking.?Automated?Discovery?of?search?Interfaces?on?the?web[C].?Proceedings?of?the?l4th?Australasian?database?conference,?2003,?143:181-189）在deep?web數據抽取時，根據web表單特征，利用C4.5算法，構建表單分類器，但是該方法的準確率和正確率并不高，不能滿足實際抽取的需要。本文在J?Cope的研究基礎上，通過構建領域模型，實現查詢接口的分類和二次判別。對于返回的查詢結果，往往包含許多與抽取主題無關噪聲信息，對于噪聲信息的過濾，目前大多數采用的是基于規則的方法，例如，Yan?Fu（Yan?F,?Dongqing?Yang,?Shiwei?Tang.?Using?XPath?to?Discover?Informative?Content?Blocks?of?Web?Pages[C].?Proceedings?of?the?third?International?Conference?on?Semantics,?Knowledge?and?Grid.?SKG,?2007,?450-453）等人提出了XPath算法，并將該方法在5類不同的網頁數據上進行測試，準確率和正確率分別為92%和83.2%。但是，該方法的使用需要有一個重要的前提，即抽取的網頁需要具備類似的布局，當抽取的網頁數量非常龐大時，這一前提很難保證，因此，基于規則的方法具有一定的局限性。?

對于醫院門戶網站門診專家信息的抽取，所用技術主要體現在查詢接口（web表單）的發現和篩選以及信息抽取時噪聲信息的過濾。?