[發明專利]用于將醫療非標準名稱標準化的方法及裝置

在審

• 申請號: 201711385974.6
• 申請日: 2017-12-20
• 公開（公告）號: CN109949938A
• 公開（公告）日: 2019-06-28
• 發明（設計）人: 嚴君;張永磊;常劍;於今
• 申請（專利權）人: 北京亞信數據有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 申健

1.一種用于將醫療非標準名稱標準化的方法，其特征在于，所述方法包括以下步驟：

S1：收集標準名稱相關數據和待標準化名稱，其中所述標準名稱數據包括：醫療領域中的標準名稱與非標準名稱的對應關系數據，和醫療領域中的文本數據；

S2：利用所述標準名稱相關數據，訓練DL詞向量模型和TF-IDF統計模型；

S3：根據所述DL詞向量模型，計算所述待標準化名稱與所述標準名稱相關數據中的每個標準名稱的DL詞向量相似度A_i；根據所述TF-IDF統計模型，計算所述待標準化名稱與所述標準名稱相關數據中的每個標準名稱的TF-IDF相似度B_i；根據A_i和B_i，計算所述待標準化名稱與所述每個標準名稱的綜合相似度C_i，選擇C_i最大的標準名稱作為所述待標準化名稱的標準名稱；其中，i＝1～N，N為所述標準名稱相關數據中所包括的標準名稱的數量。

2.根據權利要求1所述的方法，其特征在于，在步驟S1中，收集所述對應關系數據包括：

采用網絡爬蟲技術，從醫療領域的開放知識庫中獲取包含標準名稱及其縮寫、英文名、別名、成分功效、疾病癥狀的描述信息，對所述描述信息進行數據解析，得到標準名稱與非標準名稱的對應關系數據；

收集醫院的醫囑數據和收費明細數據，對所述醫囑數據和所述收費明細數據進行關聯，從中提取所述醫囑數據中所使用的非標準名稱與所述收費明細數據中所使用的標準名稱的對應關系數據。

3.根據權利要求1所述的方法，其特征在于，在步驟S1中，所述文本數據包括：病歷、疾病、檢查、檢驗的描述性文本信息數據。

4.根據權利要求1所述的方法，其特征在于，在步驟S1與步驟S2之間，還包括：對所述標準名稱相關數據和所述待標準化名稱進行預處理；進行所述預處理包括：

對待預處理的數據進行文本分詞，將其分成若干詞匯；

對經過所述文本分詞的數據進行詞匯過濾，去除其中的停用詞和低頻詞匯；

對經過所述詞匯過濾的數據進行同義詞替換，將其中的每組同義詞采用同一詞匯表述。

5.根據權利要求1所述的方法，其特征在于，在步驟S2中，在訓練所述DL詞向量模型的過程中，將其參數窗口大小調整為3。

6.根據權利要求1所述的方法，其特征在于，在步驟S3中，所述根據所述DL詞向量模型，計算所述待標準化名稱與所述標準名稱相關數據中的每個標準名稱的DL詞向量相似度A_i，包括：

根據所述DL詞向量模型，將所述待標準化名稱轉化為一個DL詞向量矩陣P，并將所述每個標準名稱分別轉化為一個DL詞向量矩陣P_i；

根據P和P_i，計算所述待標準化名稱與所述每個標準名稱的DL詞向量相似度A_i。

7.根據權利要求6所述的方法，其特征在于，所述根據P和P_i，計算所述待標準化名稱與所述每個標準名稱的DL詞向量相似度A_i，包括：

計算P與P_i的乘積，得到所述待標準化名稱與所述每個標準名稱的DL詞向量相似度矩陣P_i′；

根據P_i′，獲取所述待標準化名稱中的每個詞匯的最大相似度；

計算所述每個詞匯的最大相似度之和；

將所述最大相似度之和除以所述待標準化名稱中所包括的詞匯的數目，所得到結果作為A_i。