[發(fā)明專利]一種基于融合字形信息的服藥單識(shí)別結(jié)果糾錯(cuò)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202110015403.3
• 申請(qǐng)日: 2021-01-04
• 公開（公告）號(hào): CN112613522B
• 公開（公告）日: 2023-03-14
• 發(fā)明（設(shè)計(jì)）人: 唐萬梅;梁燕;李錦;周東亮;陳峻嵩
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06V30/26
• 分類號(hào): G06V30/26;G06V30/19
• 代理公司: 北京同恒源知識(shí)產(chǎn)權(quán)代理有限公司 11275
• 代理人: 趙榮之

1.一種基于融合字形信息的服藥單識(shí)別結(jié)果糾錯(cuò)方法，其特征在于：包括以下步驟：

S1：構(gòu)建藥品詞庫，包括門診病歷和醫(yī)院服藥單中的常用藥品，以及能從網(wǎng)上獲取到的部分開源藥品數(shù)據(jù)，進(jìn)行清洗去重，得到最終的藥品詞庫；

S2：將所述藥品詞庫中每個(gè)字符串信息作為一個(gè)節(jié)點(diǎn)存儲(chǔ)在BK樹內(nèi)存結(jié)構(gòu)中；所述步驟S2包括以下步驟：

S21：隨機(jī)選擇詞庫中的一個(gè)字符串作為BK樹的根節(jié)點(diǎn)；

S22：每插入一個(gè)新字符串，計(jì)算該字符串與根節(jié)點(diǎn)的距離d；

S23：如果距離值d是第一次出現(xiàn)，建立一個(gè)新的子節(jié)點(diǎn)，否則沿著編號(hào)與d相同的邊遞歸下去；

S3：設(shè)置搜索距離閾值n，計(jì)算待糾錯(cuò)字符串與BK樹中節(jié)點(diǎn)的編輯距離，將滿足與待糾錯(cuò)字符串編輯距離不超過n的節(jié)點(diǎn)添加到結(jié)果候選集中；所述步驟S3包括以下步驟：

S31：設(shè)置搜索距離閾值n；

S32：計(jì)算待糾錯(cuò)字符串與根節(jié)點(diǎn)之間的編輯距離d，然后搜索邊的編號(hào)在范圍[d-n,d+n]的子節(jié)點(diǎn)node，不在此范圍的節(jié)點(diǎn)代表其整個(gè)分支都不滿足查找條件，可剪枝；

S33：比較待糾錯(cuò)字符串與node節(jié)點(diǎn)的編輯距離，如果小于n，代表找到的node節(jié)點(diǎn)符合查找要求，返回此節(jié)點(diǎn)，并將節(jié)點(diǎn)存儲(chǔ)的字符串添加到結(jié)果候選集中；

S34：將當(dāng)前node節(jié)點(diǎn)當(dāng)作根節(jié)點(diǎn)，返回步驟S32，繼續(xù)查找其他子節(jié)點(diǎn)；遞歸以致遍歷BK樹，找到所有滿足條件的字符串，存儲(chǔ)在結(jié)構(gòu)候選集中；

S4：分別計(jì)算待糾錯(cuò)字符串與結(jié)果候選集中的字符串間融合了五筆編碼、四角碼和筆畫后的字形編輯距離d_c；所述步驟S4包括以下步驟：

S41：融合五筆編碼的編輯距離替換代價(jià)公式為

W_wb＝d_wb/4

其中，d_wb表示兩個(gè)字符五筆編碼的編輯距離，除以4是進(jìn)行歸一化操作，取值在[0,1]之間，即兩個(gè)漢字完全相同是為1，不同則為0；一個(gè)漢字最多用4個(gè)字母表示其五筆編碼，當(dāng)兩個(gè)漢字相同時(shí)，五筆編碼距離為0；當(dāng)兩個(gè)漢字不同時(shí)，五筆編碼距離最大為4；

S42：融合四角碼的編輯距離替換代價(jià)公式為

W_sj＝d_sj/5

其中，d_sj為兩個(gè)字符的四角碼距離，W_sj是歸一化之后的結(jié)果，取值在[0,1]之間；一個(gè)漢字最多用5個(gè)數(shù)字表示其四角碼，四角碼的編碼規(guī)則是將漢字的基本筆畫分為10種，分別用0～9十個(gè)數(shù)字表示，按左上角、右上角、左下角、右下角的順序取漢字的四角的筆畫代碼作為漢字的編碼；即當(dāng)兩個(gè)漢字相同時(shí)，四角碼距離為0；不同則距離最大為5；

S43：融合筆畫的編輯距離替換公式為

W_stro＝|stro_i-stro_j|/max(stro_i,stro_j)

上式中，stro_i是字符a_i的筆畫數(shù)，stro_j是字符b_j的筆畫數(shù)，|stro_i-stro_j|是兩個(gè)字符筆畫數(shù)差值的絕對(duì)值；通過筆畫數(shù)差值除以兩個(gè)字符串筆畫數(shù)的最大值，對(duì)其進(jìn)行歸一化處理，使取值在0到1之間；

S44：計(jì)算融合三種字形信息后的字符串編輯距離d_c，字符串str1和str2的長度分別為m和n，構(gòu)造矩陣LD_m+1,n+1，給矩陣中的每個(gè)元素賦值，改進(jìn)后的賦值公式如下：

將傳統(tǒng)編輯距離替換操作代價(jià)為1改進(jìn)為替換字符之間的五筆編碼編輯距離、四角碼編輯距離和筆畫差值相加的歸一化值；其中，a_i為字符串str1中第i個(gè)字符，b_j為字符串str2中第j個(gè)字符；w₁為d_wb/4，是兩個(gè)字符五筆編碼的編碼距離歸一化結(jié)果，w₂為d_sj/5，是兩個(gè)字符四角碼編碼距離歸一化結(jié)果，w₃為|stro_i-stro_j|/max(stro_i,stro_j)，表示兩個(gè)字符之間筆畫差異；

S5：計(jì)算融合字形信息的字符串相似度Sim_c，公式如下：

S6：將相似度最高的字符串作為糾錯(cuò)結(jié)果進(jìn)行替換。