[發(fā)明專利]病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110223444.1
• 申請(qǐng)日: 2021-03-01
• 公開（公告）號(hào): CN112949303A
• 公開（公告）日: 2021-06-11
• 發(fā)明（設(shè)計(jì)）人: 鐘信真;左霖
• 申請(qǐng)（專利權(quán)）人: 山東健康醫(yī)療大數(shù)據(jù)有限公司
• 主分類號(hào): G06F40/289
• 分類號(hào): G06F40/289;G06F40/216;G06F40/242;G16H10/60
• 代理公司: 濟(jì)南信達(dá)專利事務(wù)所有限公司 37100
• 代理人: 潘悅梅

1.病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析方法，其特征在于包括如下步驟：

基于醫(yī)療文本數(shù)據(jù)構(gòu)建醫(yī)學(xué)詞庫(kù)，所述醫(yī)學(xué)詞庫(kù)包括醫(yī)學(xué)詞語(yǔ)、權(quán)重和詞性，所述詞性包括詞語(yǔ)傳統(tǒng)詞性和詞語(yǔ)醫(yī)學(xué)詞性；

基于詞庫(kù)詞典生成待分詞醫(yī)療文本數(shù)據(jù)的所有成詞，并基于上述所有成詞構(gòu)建有向無(wú)環(huán)圖；

基于上述醫(yī)學(xué)詞庫(kù)和有向無(wú)環(huán)圖，通過(guò)動(dòng)態(tài)規(guī)劃查找最大歸零路徑查找語(yǔ)句詞頻的最大切分組合，得到帶有前后文順序和詞性的詞語(yǔ)集合；

基于詞語(yǔ)所處位置、詞語(yǔ)原本詞性以及詞語(yǔ)醫(yī)學(xué)詞性三個(gè)維度構(gòu)建三元結(jié)構(gòu)數(shù)據(jù)以及三元結(jié)構(gòu)數(shù)據(jù)之間的映射關(guān)系組成三元關(guān)系模型，并通過(guò)上述三元關(guān)系模型對(duì)上述詞語(yǔ)集合進(jìn)行解析，得到三元映射關(guān)系數(shù)據(jù)組；

對(duì)上述三元映射關(guān)系數(shù)據(jù)組進(jìn)行標(biāo)準(zhǔn)化處理，得二元映射關(guān)系數(shù)據(jù)組，所述二元映射關(guān)系數(shù)據(jù)組匹配標(biāo)準(zhǔn)醫(yī)療詞典。

2.根據(jù)權(quán)利要求1所述的病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析方法，其特征在于所述詞語(yǔ)傳統(tǒng)詞性包括名詞、動(dòng)詞、副詞和標(biāo)點(diǎn)；

所述詞語(yǔ)醫(yī)學(xué)詞性包括診斷、疾病、藥品、化療方案、放療方案以及稱謂。

3.根據(jù)權(quán)利要求1或2所述的病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析方法，其特征在于基于醫(yī)療文本數(shù)據(jù)構(gòu)建醫(yī)學(xué)詞庫(kù)，包括如下步驟：

獲取醫(yī)療文本數(shù)據(jù)，通過(guò)詞庫(kù)對(duì)醫(yī)療文本數(shù)據(jù)進(jìn)行分詞，得到分詞結(jié)果數(shù)據(jù)集；

通過(guò)TF-IDF算法模型對(duì)分詞結(jié)果數(shù)據(jù)集進(jìn)行關(guān)鍵醫(yī)學(xué)詞匯抽詞，得到抽詞結(jié)果數(shù)據(jù)集；

添加醫(yī)學(xué)詞匯相關(guān)的權(quán)重和詞性，得到包括醫(yī)學(xué)詞語(yǔ)、權(quán)重和詞性的醫(yī)學(xué)詞庫(kù)。

4.根據(jù)權(quán)利要求3所述的病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析方法，其特征在于對(duì)抽詞結(jié)果數(shù)據(jù)集中連續(xù)多個(gè)單字進(jìn)行醫(yī)學(xué)詞匯組合拼接后，添加醫(yī)學(xué)詞匯相關(guān)的權(quán)重和詞性，得到包括醫(yī)學(xué)詞語(yǔ)、權(quán)重和詞性的醫(yī)學(xué)詞庫(kù)。

5.根據(jù)權(quán)利要求3所述的病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析方法，其特征在于對(duì)于醫(yī)學(xué)詞庫(kù)中未登錄的醫(yī)療文本數(shù)據(jù)，通過(guò)基于漢字成詞的HMM模型進(jìn)行分詞。

6.病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析系統(tǒng)，其特征在于通過(guò)如權(quán)利要求1-5任一項(xiàng)所述的病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析方法對(duì)病歷文本數(shù)據(jù)進(jìn)行結(jié)構(gòu)化的分詞和解析，所述系統(tǒng)包括：

醫(yī)學(xué)詞庫(kù)構(gòu)建模塊，所述醫(yī)學(xué)詞庫(kù)構(gòu)建模塊用于基于醫(yī)療文本數(shù)據(jù)構(gòu)建醫(yī)學(xué)詞庫(kù)，所述醫(yī)學(xué)詞庫(kù)包括醫(yī)學(xué)詞語(yǔ)、權(quán)重和詞性，所述詞性包括詞語(yǔ)傳統(tǒng)詞性和詞語(yǔ)醫(yī)學(xué)詞性；

分詞模型構(gòu)建模塊，所述分詞模型構(gòu)建模塊用于基于詞庫(kù)詞典生成待分詞醫(yī)療文本數(shù)據(jù)的所有成詞，并基于上述所有成詞構(gòu)建有向無(wú)環(huán)圖；

分詞模塊，所述分詞模塊用于基于上述醫(yī)學(xué)詞庫(kù)和有向無(wú)環(huán)圖，通過(guò)動(dòng)態(tài)規(guī)劃查找最大歸零路徑查找語(yǔ)句詞頻的最大切分組合，得到帶有前后文順序和詞性的詞語(yǔ)集合；

三元解析模塊，所述三元解析模塊用于基于詞語(yǔ)所處位置、詞語(yǔ)原本詞性以及詞語(yǔ)醫(yī)學(xué)詞性三個(gè)維度構(gòu)建三元結(jié)構(gòu)數(shù)據(jù)以及三元結(jié)構(gòu)數(shù)據(jù)之間的映射關(guān)系組成三元關(guān)系模型，并通過(guò)上述三元關(guān)系模型對(duì)上述詞語(yǔ)集合進(jìn)行解析，得到三元映射關(guān)系數(shù)據(jù)組；

標(biāo)準(zhǔn)化模塊，所述標(biāo)準(zhǔn)化模塊用于對(duì)上述三元映射關(guān)系數(shù)據(jù)組進(jìn)行標(biāo)準(zhǔn)化處理，得二元映射關(guān)系數(shù)據(jù)組，所述二元映射關(guān)系數(shù)據(jù)組匹配標(biāo)準(zhǔn)醫(yī)療詞典。

7.根據(jù)權(quán)利要求6所述的病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析系統(tǒng)，其特征在于所述詞語(yǔ)傳統(tǒng)詞性包括名詞、動(dòng)詞、副詞和標(biāo)點(diǎn)；

所述詞語(yǔ)醫(yī)學(xué)詞性包括診斷、疾病、藥品、化療方案、放療方案以及稱謂。

8.根據(jù)權(quán)利要求7所述的病歷文本數(shù)據(jù)結(jié)構(gòu)化的文本分詞解析系統(tǒng)，其特征在于醫(yī)學(xué)詞庫(kù)構(gòu)建模塊用于通過(guò)如下步驟基于醫(yī)療文本數(shù)據(jù)構(gòu)建醫(yī)學(xué)詞庫(kù)：

獲取醫(yī)療文本數(shù)據(jù)，通過(guò)詞庫(kù)對(duì)醫(yī)療文本數(shù)據(jù)進(jìn)行分詞，得到分詞結(jié)果數(shù)據(jù)集；

通過(guò)TF-IDF算法模型對(duì)分詞結(jié)果數(shù)據(jù)集進(jìn)行關(guān)鍵醫(yī)學(xué)詞匯抽詞，得到抽詞結(jié)果數(shù)據(jù)集；

對(duì)抽詞結(jié)果數(shù)據(jù)集中連續(xù)多個(gè)單字進(jìn)行醫(yī)學(xué)詞匯組合拼接；

添加醫(yī)學(xué)詞匯相關(guān)的權(quán)重和詞性，得到包括醫(yī)學(xué)詞語(yǔ)、權(quán)重和詞性的醫(yī)學(xué)詞庫(kù)。