[發(fā)明專利]一種醫(yī)療文本數(shù)據(jù)的命名實(shí)體識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710246039.5
• 申請(qǐng)日: 2017-04-14
• 公開(kāi)（公告）號(hào): CN107168946A
• 公開(kāi)（公告）日: 2017-09-15
• 發(fā)明（設(shè)計(jì)）人: 史晟輝;徐梓豪;李五鎖;黃定琦;陳曉宇;張永健;朱群雄;林曉勇
• 申請(qǐng)（專利權(quán)）人: 北京化工大學(xué)
• 主分類號(hào): G06F17/27
• 分類號(hào): G06F17/27;G06N99/00;G06F19/00
• 代理公司: 北京太兆天元知識(shí)產(chǎn)權(quán)代理有限責(zé)任公司11108
• 代理人: 張洪年

1.一種醫(yī)療文本數(shù)據(jù)的命名實(shí)體識(shí)別方法，其特征在于，包括以下步驟：

I)通過(guò)隱馬爾可夫模型對(duì)原始醫(yī)學(xué)文本進(jìn)行序列標(biāo)注，得到預(yù)測(cè)分詞結(jié)果；

II)對(duì)預(yù)測(cè)分詞結(jié)果進(jìn)行過(guò)濾與校準(zhǔn)。

2.根據(jù)權(quán)利要求1所述的醫(yī)療文本數(shù)據(jù)的命名實(shí)體識(shí)別方法，其特征在于，所述步驟II)通過(guò)半監(jiān)督學(xué)習(xí)過(guò)程進(jìn)行迭代自學(xué)習(xí)，對(duì)預(yù)測(cè)分詞結(jié)果進(jìn)行過(guò)濾與校準(zhǔn)。

3.根據(jù)權(quán)利要求2所述的醫(yī)療文本數(shù)據(jù)的命名實(shí)體識(shí)別方法，其特征在于，所述半監(jiān)督學(xué)習(xí)過(guò)程包括以下步驟：

1)去除預(yù)測(cè)分詞結(jié)果中與停用詞集中重合的部分；

2)將去除停用詞后的分詞結(jié)果做預(yù)處理，統(tǒng)計(jì)所有分詞結(jié)果的頻次，并以降序方式排列；

3)將頻次高的詞加入種子詞集；

4)再次對(duì)原始醫(yī)學(xué)文本進(jìn)行分詞處理，種子詞集中出現(xiàn)的種子詞優(yōu)先成詞；

5)重復(fù)上述步驟1)至4)，直至種子詞集不再有增量；

6)人工對(duì)種子詞集進(jìn)行審查，若種子詞集中有干擾分詞正確的詞，進(jìn)行人工修正。

4.根據(jù)權(quán)利要求3所述的醫(yī)療文本數(shù)據(jù)的命名實(shí)體識(shí)別方法，其特征在于，所述步驟3)中，所述頻次高的詞是頻次最高的前10個(gè)詞。

5.根據(jù)權(quán)利要求3或4所述的醫(yī)療文本數(shù)據(jù)的命名實(shí)體識(shí)別方法，其特征在于，所述步驟5)對(duì)步驟1)至4)的迭代次數(shù)為2至3次。