[發明專利]基于主題的醫學文獻檢索方法、系統、存儲介質及終端

有效

• 申請號: 202211681611.8
• 申請日: 2022-12-27
• 公開（公告）號: CN115658851B
• 公開（公告）日: 2023-04-04
• 發明（設計）人: 王帥;王中健;朱凌峰
• 申請（專利權）人: 藥融云數字科技（成都）有限公司
• 主分類號: G06F16/33
• 分類號: G06F16/33;G06F16/335;G06F16/338;G06F16/35;G06F40/194;G06F40/216;G06F40/289;G06F40/30
• 代理公司: 成都華風專利事務所(普通合伙) 51223
• 代理人: 張巨箭

本發明公開了基于主題的醫學文獻檢索方法、系統、存儲介質及終端，包括：將醫學文獻中常用詞語進行標準化處理，構建規范詞表；通過主題模型生成文獻的主題集以及主題詞集；對輸入的檢索式進行清洗，得到無序檢索詞表；遍歷匹配所述規范詞表，將無序檢索詞表中的檢索詞替換為匹配后的規范詞，得到規范檢索詞表，并對規范檢索詞表中的檢索詞分配權重；選取其中每一個與規范檢索詞表中檢索詞相關的主題詞對應的主題，形成各自的主題特征向量；將所述規范檢索詞表轉換為檢索式特征向量；計算檢索式特征向量和每個主題特征向量的相似度，抽取其中相似度大于一定閾值的主題對應的文獻。本發明通過主題揭示文獻提高了檢索的全面性和準確性。

技術領域

本發明涉及生物醫學大數據處理技術領域，尤其涉及基于主題的醫學文獻檢索方法、系統、存儲介質及終端。

背景技術

近年來，隨著生物醫學的不斷發展，相關文獻也呈爆發趨勢，不斷增長的文獻給人們的查找使用帶來了極大的成本。文獻中包含大量隱性知識，不同研究方向相互交叉，單憑關鍵詞界定文獻的內容存在較大的片面性，全文檢索又會帶來不必要的冗余信息，單純的基于字符串匹配的查詢已經不能滿足文獻的查詢需求，對于特定用戶，該需求更加迫切。

此外，由于文獻數據中存在大量自然語言，部分關鍵詞本意相同，但表現形式存在差異，直接檢索某個關鍵詞會導致檢索不全。同時醫學中涉及大量的縮寫，尤其是像靶點、藥物、適應癥等，而縮寫一般僅根據首字母或發音來進行，并無詳細規范，就導致不同實物的縮寫可能會相同，這也為檢索帶來一定的困難。

發明內容

本發明的目的在于克服現有技術中文獻檢索存在的問題，提供了基于主題的醫學文獻檢索方法、系統、存儲介質及終端。

本發明的目的是通過以下技術方案來實現的：

在第一方案中，提供一種基于主題的醫學文獻檢索方法，包括以下步驟：

S1、將醫學文獻中常用詞語進行標準化處理，構建規范詞表；

S2、通過主題模型生成文獻的主題集以及主題詞集；

S3、對輸入的檢索式進行清洗，得到無序檢索詞表；

S4、遍歷匹配所述規范詞表，將所述無序檢索詞表中的檢索詞替換為匹配后的規范詞，得到規范檢索詞表，并對所述規范檢索詞表中的檢索詞分配權重；

S5、遍歷所述主題詞集，選取其中每一個與規范檢索詞表中檢索詞相關的主題詞對應的主題，形成各自的主題特征向量；將所述規范檢索詞表轉換為檢索式特征向量；

S6、計算檢索式特征向量和每個主題特征向量的相似度，抽取其中相似度大于一定閾值的主題對應的文獻，得到檢索結果。

在一個示例中，一種基于主題的醫學文獻檢索方法，所述規范詞表中包括規范詞、規范縮寫詞、擴展詞以及上/下位詞。

在一個示例中，一種基于主題的醫學文獻檢索方法，所述通過主題模型生成文獻的主題集以及主題詞集，包括：

S21、抽取文獻作為訓練集，其中，選用文獻所有有效字段當作文獻的文本內容；

S22、對抽取的有效字段進行預處理，并通過所述規范詞表進行規范；

S23、構建訓練主題模型，其中基于困惑度選擇主題數量K；

S24、使用主題模型處理文獻并生成主題集及主題詞集，同時獲得文獻的主題概率分布。

在一個示例中，一種基于主題的醫學文獻檢索方法，所述有效字段包括篇名、摘要以及關鍵詞，同時對篇名、摘要以及關鍵詞賦權重。

在一個示例中，一種基于主題的醫學文獻檢索方法，所述通過主題模型生成文獻的主題集以及主題詞集，還包括：