[發(fā)明專利]文本數(shù)據(jù)處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)

有效

• 申請?zhí)枺?/td>: 201811330288.3
• 申請日: 2018-11-09
• 公開（公告）號: CN109493977B
• 公開（公告）日: 2020-07-31
• 發(fā)明（設(shè)計(jì)）人: 焦增濤
• 申請（專利權(quán)）人: 天津新開心生活科技有限公司;天津開心生活科技有限公司
• 主分類號: G16H50/70
• 分類號: G16H50/70;G06F40/295;G06F40/289
• 代理公司: 北京律智知識產(chǎn)權(quán)代理有限公司 11438
• 代理人: 袁禮君;闞梓瑄

本公開涉及一種醫(yī)學(xué)文本數(shù)據(jù)處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。涉及計(jì)算機(jī)信息處理領(lǐng)域，該方法包括：將醫(yī)學(xué)文本中的文字進(jìn)行分詞處理，生成詞向量；將所述醫(yī)學(xué)文本中的文字的詞性通過詞性向量標(biāo)注；將所述詞向量和所述詞性向量輸入雙向深度學(xué)習(xí)模型中，以獲取第一結(jié)果；以及將所述第一結(jié)果與規(guī)則模板輸入深度學(xué)習(xí)模型中，以提取所述醫(yī)學(xué)文本中的實(shí)體詞。本公開涉及的醫(yī)學(xué)文本數(shù)據(jù)處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)，能夠快速準(zhǔn)確的由臨床病例長文本中識別出醫(yī)學(xué)術(shù)語。

技術(shù)領(lǐng)域

本公開涉及計(jì)算機(jī)信息處理領(lǐng)域，具體而言，涉及一種醫(yī)學(xué)文本數(shù)據(jù)處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

臨床病例中許多信息是以長文本的形式記錄，不利于后續(xù)的各種統(tǒng)計(jì)分析任務(wù)。從臨床病例長文本中識別其中有價值的醫(yī)學(xué)術(shù)語，是臨床病例分析的一項(xiàng)重要任務(wù)。

現(xiàn)有技術(shù)的技術(shù)中，可通過如下方式識別醫(yī)學(xué)病例中的醫(yī)學(xué)術(shù)語：

1、通過使用預(yù)定義詞表，進(jìn)行字符匹配的方式從長文本中召回醫(yī)學(xué)實(shí)體。這種方法依賴于人工定制詞表，費(fèi)時費(fèi)力，且無法保證詞表的覆蓋；而且直接字符匹配的方法，會引入各種歧義，如在有些上下位場景下“鼻出血”是診斷，某些場景下是“癥狀”。

2、通過上下文規(guī)則，滿足某種特定模式，使用模板召回醫(yī)學(xué)術(shù)語實(shí)體。這種方法的效果依賴于模板的定制，手工難度高，且文本覆蓋無法保證。

3、使用序列標(biāo)注統(tǒng)計(jì)模型，預(yù)先標(biāo)注一批包含實(shí)體信息的語料。這種方法統(tǒng)計(jì)模型主要使用字面特征，表達(dá)能力有限，要達(dá)到目標(biāo)效果，需要的語料規(guī)模較大；而且醫(yī)學(xué)術(shù)語是知識積累比較豐富的領(lǐng)域，這類方法無法充分利用領(lǐng)域知識。

因此，需要一種新的醫(yī)學(xué)文本數(shù)據(jù)處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)。

在所述背景技術(shù)部分公開的上述信息僅用于加強(qiáng)對本公開的背景的理解，因此它可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

發(fā)明內(nèi)容

有鑒于此，本公開提供一種醫(yī)學(xué)文本數(shù)據(jù)處理方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀介質(zhì)，能夠快速準(zhǔn)確的由臨床病例長文本中識別出醫(yī)學(xué)術(shù)語。

本公開的其他特性和優(yōu)點(diǎn)將通過下面的詳細(xì)描述變得顯然，或部分地通過本公開的實(shí)踐而習(xí)得。

根據(jù)本公開的一方面，提出一種醫(yī)學(xué)文本數(shù)據(jù)處理方法，該方法包括：將醫(yī)學(xué)文本中的文字進(jìn)行分詞處理，生成詞向量；將所述醫(yī)學(xué)文本中的文字的詞性通過詞性向量標(biāo)注；將所述詞向量和所述詞性向量輸入雙向深度學(xué)習(xí)模型中，以獲取第一結(jié)果；以及將所述第一結(jié)果與規(guī)則模板輸入深度學(xué)習(xí)模型中，以提取所述醫(yī)學(xué)文本中的實(shí)體詞。

在本公開的一種示例性實(shí)施例中，還包括：基于臨床電子病歷通過數(shù)據(jù)挖掘方式確定規(guī)則模板。

在本公開的一種示例性實(shí)施例中，基于臨床電子病歷通過數(shù)據(jù)挖掘方式確定規(guī)則模板包括：通過臨床電子病歷通過頻繁項(xiàng)挖掘生成第一模板；將所述第一模板進(jìn)行去重處理；計(jì)算去重處理后的第一模板的先驗(yàn)分布，以根據(jù)所述先驗(yàn)分布確定規(guī)則模板。

在本公開的一種示例性實(shí)施例中，將醫(yī)學(xué)文本中的文字進(jìn)行分詞處理，生成詞向量包括：醫(yī)學(xué)文本中的文字進(jìn)行分詞處理，生成多個分詞詞匯；以及將每個分詞詞匯用Word2vec向量進(jìn)行表示，生成詞向量。

在本公開的一種示例性實(shí)施例中，將所述詞向量和所述詞性向量輸入雙向深度學(xué)習(xí)模型中，以獲取第一結(jié)果包括：將所述詞向量和所述詞性向量進(jìn)行拼接及標(biāo)準(zhǔn)化處理，生成第一輸入向量；以及將所述第一輸入向量輸入到雙向深度學(xué)習(xí)模型中，以獲取第一結(jié)果。