[發(fā)明專(zhuān)利]一種自動(dòng)標(biāo)注醫(yī)學(xué)文本中實(shí)體的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910630653.0
• 申請(qǐng)日: 2019-07-12
• 公開(kāi)（公告）號(hào): CN110348015A
• 公開(kāi)（公告）日: 2019-10-18
• 發(fā)明（設(shè)計(jì)）人: 管仁初;劉洪濤;張浩;賀寶潤(rùn);周豐豐
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京百奧知信息科技有限公司
• 主分類(lèi)號(hào): G06F17/27
• 分類(lèi)號(hào): G06F17/27;G16H50/70
• 代理公司: 成都瑞創(chuàng)華盛知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 51270
• 代理人: 鄧瑞;辜強(qiáng)

本發(fā)明公開(kāi)了一種自動(dòng)標(biāo)注醫(yī)學(xué)文本中實(shí)體的方法，該方法的目的是正確標(biāo)注文本中的實(shí)體，包括以下步驟：收集文本；文本預(yù)處理；收集實(shí)體詞典數(shù)據(jù)；對(duì)詞典數(shù)據(jù)進(jìn)行預(yù)處理，生成縮寫(xiě)詞詞典、詞組詞典和其他實(shí)體詞典；應(yīng)用標(biāo)注規(guī)則對(duì)文本數(shù)據(jù)進(jìn)行標(biāo)注，獲得標(biāo)注實(shí)體；標(biāo)注后處理，采用模糊識(shí)別方式對(duì)標(biāo)注結(jié)果進(jìn)行處理，增加漏識(shí)別的實(shí)體以及去除嵌套實(shí)體，最后得到最終的標(biāo)注結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明屬于醫(yī)學(xué)實(shí)體標(biāo)注技術(shù)領(lǐng)域，特別是涉及一種自動(dòng)標(biāo)注醫(yī)學(xué)文本中實(shí)體的方法。

背景技術(shù)

在醫(yī)學(xué)命名實(shí)體識(shí)別領(lǐng)域，使用的技術(shù)一般是通過(guò)訓(xùn)練模型，然后通過(guò)模型去標(biāo)注實(shí)體，其中訓(xùn)練模型使用的數(shù)據(jù)大部分是通過(guò)人工標(biāo)注得到，這需要耗費(fèi)大量的人力、物力，并且標(biāo)注結(jié)果中的實(shí)體類(lèi)型較少，整體標(biāo)注的數(shù)量少，同時(shí)也會(huì)產(chǎn)生一些誤差，因此需要一種自動(dòng)標(biāo)注的方法來(lái)解決該問(wèn)題，使標(biāo)注的過(guò)程更加智能化、簡(jiǎn)單化，使標(biāo)注結(jié)果更加準(zhǔn)確化。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明要解決的技術(shù)問(wèn)題是對(duì)醫(yī)學(xué)語(yǔ)料中的實(shí)體進(jìn)行標(biāo)注方法，該方法能夠自動(dòng)標(biāo)注實(shí)體，對(duì)文本中出現(xiàn)的醫(yī)學(xué)實(shí)體能夠精確標(biāo)注，從而替代研究人員的手工標(biāo)注過(guò)程，加快研究步伐。

本發(fā)明替代醫(yī)學(xué)實(shí)體標(biāo)注過(guò)程中的人工標(biāo)注，包括對(duì)復(fù)數(shù)實(shí)體、嵌套實(shí)體、不規(guī)范實(shí)體的處理方法，其方法將由文本收集、文本預(yù)處理、詞典數(shù)據(jù)收集、詞典構(gòu)建、文本標(biāo)注、標(biāo)注后處理組成。

文本收集：將要標(biāo)注的醫(yī)學(xué)文本數(shù)據(jù)進(jìn)行收集。

文本預(yù)處理：將文本進(jìn)行分句、分詞處理，并且對(duì)分詞結(jié)果進(jìn)行詞形還原操作。

詞典數(shù)據(jù)收集：將需要的詞典數(shù)據(jù)進(jìn)行收集。

詞典構(gòu)建：將得到的詞典數(shù)據(jù)進(jìn)行處理，構(gòu)建縮寫(xiě)詞詞典、詞組詞典、其他實(shí)體詞典(該詞典中不包含縮寫(xiě)詞與詞組)。

文本標(biāo)注：利用標(biāo)注方法對(duì)醫(yī)學(xué)文本數(shù)據(jù)進(jìn)行標(biāo)注。

標(biāo)注后處理：對(duì)標(biāo)注好的數(shù)據(jù)進(jìn)行處理，解決一些漏標(biāo)注的實(shí)體以及嵌套實(shí)體。

標(biāo)注方法：

方法一：如果單詞為縮寫(xiě)，則直接進(jìn)行標(biāo)注。

方法二：如果不是縮寫(xiě)詞，則先與詞典中的實(shí)體進(jìn)行匹配，如果匹配成功直接標(biāo)注為實(shí)體，否則將單詞的首字母變?yōu)樾?xiě)，再與詞典中的實(shí)體進(jìn)行匹配，如果匹配成功則標(biāo)注為實(shí)體，否則標(biāo)注為其他類(lèi)型。

方法三：如果出現(xiàn)嵌套的實(shí)體，則只標(biāo)注最長(zhǎng)的實(shí)體，對(duì)嵌套在內(nèi)部的實(shí)體不進(jìn)行標(biāo)注。

附圖說(shuō)明

圖1是本發(fā)明的結(jié)構(gòu)圖。

具體實(shí)施方式

下面結(jié)合具體實(shí)施例和附圖對(duì)本發(fā)明作進(jìn)一步的說(shuō)明。

如圖1所示，一種自動(dòng)標(biāo)注醫(yī)學(xué)文本中實(shí)體的方法，該方法包含了對(duì)醫(yī)學(xué)實(shí)體的自動(dòng)標(biāo)注過(guò)程的處理方法，以及處理復(fù)數(shù)實(shí)體、嵌套實(shí)體等而采用的組合方法。所述的自動(dòng)標(biāo)注方法標(biāo)注的語(yǔ)料是醫(yī)學(xué)語(yǔ)料，其標(biāo)注結(jié)果更加偏向于醫(yī)學(xué)實(shí)體，例如疾病、藥物、不良反應(yīng)、基因等。所述組合方法可以有效解決復(fù)數(shù)實(shí)體、嵌套實(shí)體以及因標(biāo)點(diǎn)符號(hào)不規(guī)范導(dǎo)致實(shí)體無(wú)法識(shí)別的問(wèn)題，提高了標(biāo)注的準(zhǔn)確率。

其方法將由文本收集、文本預(yù)處理、詞典數(shù)據(jù)收集、詞典構(gòu)建、文本標(biāo)注、標(biāo)注后處理組成。

文本收集：將要標(biāo)注的醫(yī)學(xué)文本數(shù)據(jù)進(jìn)行收集。

文本預(yù)處理：將文本進(jìn)行分句、分詞處理，并且對(duì)分詞結(jié)果進(jìn)行詞形還原操作。

詞典數(shù)據(jù)收集：將需要的詞典數(shù)據(jù)進(jìn)行收集。

詞典構(gòu)建：將得到的詞典數(shù)據(jù)進(jìn)行處理，構(gòu)建縮寫(xiě)詞詞典、詞組詞典、其他實(shí)體詞典(該詞典中不包含縮寫(xiě)詞與詞組)。