[發明專利]一種藥品名稱標準化的映射方法和系統

在審

• 申請號: 202011050937.1
• 申請日: 2020-09-29
• 公開（公告）號: CN112182142A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 朱瑋;湯晉軍;吳云;孫東東;郭強;林煜斐
• 申請（專利權）人: 朱瑋
• 主分類號: G06F16/31
• 分類號: G06F16/31;G06F16/33;G06F40/30
• 代理公司: 北京酷愛智慧知識產權代理有限公司 11514
• 代理人: 向霞

1.一種藥品名稱標準化的映射方法，其特征在于，所述方法包括以下步驟：

建立標準列表；所述標準列表包括標準藥名列表和關鍵詞-劑型對照列表；

對所述標準列表進行處理以生成對應的有序哈希值數組；所述有序哈希值數組包括標準藥名有序哈希值數組和關鍵詞-劑型對照有序哈希值數組；所述標準藥名有序哈希值數組中包含劑型子數組；

獲取待映射的原始語料；

對所述原始語料進行處理以生成藥名順序子字符串哈希值數組，并根據藥名標準化匹配規則在所述標準藥名有序哈希值數組中進行查找，若存在，則匹配符合規則的標準藥名，再判斷出該標準藥名對應的劑型子數組中劑型元素是否唯一；

若劑型唯一，一并返回劑型以完成標準化映射過程；

若劑型不唯一，再將藥名順序子字符串哈希值數組在所述關鍵詞-劑型對照有序哈希值數組中進行二分法查找，并根據劑型標準化匹配規則進行匹配，若存在結果，則得出所述原始語料所對應的關鍵詞-劑型對照表中的劑型，再與標準藥名有序哈希值數組中劑型子數組的劑型結合后匹配交集，得到正確的劑型，以完成標準化映射。

2.根據權利要求1所述的一種藥品名稱標準化的映射方法，其特征在于，所述方法還包括：

在所述標準藥名或劑型不存在、無法匹配時，通過設有的預測模型對所述原始語料進行處理，以預測出對應的標準藥名和劑型；其中，所述預測模型為Bert預測模型，由獲取的標準藥名映射標注數據訓練而成。

3.根據權利要求1所述的一種藥品名稱標準化的映射方法，其特征在于，所述對所述原始語料進行處理以生成藥名順序子字符串哈希值數組，具體包括：

將所述原始語料中的藥名截取為多個連續的子字符串，按照從長到短、從左到右對子字符串排序，以生成字符串數組；

對所述字符串數組中的每一個子字符串，計算APHash哈希值，該哈希值形成的數組順序，與前一步的數組順序保持一致，進而得到所述藥名順序子字符串哈希值數組。

4.根據權利要求3所述的一種藥品名稱標準化的映射方法，其特征在于，所述根據藥名標準化匹配規則在所述標準藥名有序哈希值數組中進行查找，具體包括：

將所述藥名順序子字符串哈希值數組中的每一個哈希值，在所述標準藥名有序哈希值數組中采用二分法查找該值是否存在，若發現有值存在，則找到第一個值后即停止繼續查找，并返回該值和該值的數組下標；其中，所述藥名標準化匹配規則包括字符長度最長原則和左側優先原則。

5.根據權利要求1所述的一種藥品名稱標準化的映射方法，其特征在于，所述若劑型不唯一，再將藥名順序子字符串哈希值數組在所述關鍵詞-劑型對照有序哈希值數組中進行查找，并根據劑型標準化匹配規則進行匹配，若存在結果，則得出所述原始語料所對應的關鍵詞-劑型對照表中的劑型，再與標準藥名有序哈希值數組中劑型子數組的劑型結合后匹配交集，得出正確的劑型，具體包括：

將所述標準藥名采用APHash算法對藥名中的連續子字符串計算哈希值，生成有序的子字符串哈希值數組；

再將所述子字符串哈希值數組的哈希值與生成的所述關鍵詞-劑型對照表哈希值數組中的關鍵詞哈希數字串做二分查找匹配，如果根據劑型標準化匹配規則存在一致值，則讀取該關鍵詞的劑型子數組；

將該關鍵詞的劑型子數組與該標準藥名對應的所述標準藥名有序哈希數組中的劑型子數組進行匹配，分以下情況進行處理；

若該關鍵詞的劑型子數組只有一個劑型，且與所述標準藥名有序哈希數組中的劑型子數組中的一個劑型相符，則返回該劑型，與所述標準藥名組合，形成映射結果；

若該關鍵詞的劑型子數組中有多個劑型，且與所述標準藥名有序哈希數組中的劑型子數組有且只有一個交集，則返回該交集元素，與所述標準藥名組合，形成映射結果；其中，所述劑型標準化匹配規則為關鍵詞-劑型對照表排序優先原則。