一种电子病历是否类细项提取方法与系统技术方案

本发明专利技术特别涉及一种电子病历是否类细项提取方法与系统。该电子病历是否类细项提取方法与系统，按逗号与句号对输入的电子病例样本中的文本进行分句，并按关键词筛选需要解析的核心语句，得到的待评估语句与待解析细项的映射关系；在完成数据处理后，将得到的待评估语句与待解析细项的映射关系作为输入，通过文本分类模型完成对待评估语句是否类倾向性的评估。该电子病历是否类细项提取方法与系统，样本标注流程简单，同时具备模型自学习能力，进一步提高了模型的泛化能力，使其可以自动适应各种是否类细项提取任务。各种是否类细项提取任务。各种是否类细项提取任务。

【技术实现步骤摘要】
一种电子病历是否类细项提取方法与系统


[0001]本专利技术涉及自然语言处理
，特别涉及一种电子病历是否类细项提取方法与系统。

技术介绍

[0002]在电子病历细项提取过程中，发现存在许多“是/否”类细项提取问题。如是否有吸烟史、是否有饮酒史等。针对该类问题，目前业界常采用规则提取和实体关系提取两种方式。
[0003]规则提取，是指通过人为定义关键字或编写正则表达式的方式完成“是/否”类细项提取。该类方法的优点在于规则修改灵活，但缺点在于需要制定规则库来穷举文本中可能出现的情况。面对海量的电子病历数据，这穷尽规则显然是困难的。
[0004]基于机器学习模型的实体关系提取方法，是目前业界主流的提取方法。该方法利用模型的学习功能，让模型基于标注的样本自行学习语义及实体间的关系，给出提取结果。具体过程，首先通过命名实体识别模型，识别句子中的各类实体，包括“疾病”、“症状”、“限定词”等。然后，通过关系提取模型，对识别出来的实体进行两两实体关系预测，使限定词与其他类型的实体根据语境建立否定或肯定关系。然而，由于关系实体提取类模型所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电子病历是否类细项提取方法，其特征在于：包括以下步骤：第一步，数据处理按逗号与句号对输入的电子病例样本中的文本进行分句，并按关键词筛选需要解析的核心语句，若子句S
i
中包含关键词字典中的关键字KW
ij
，子句S
i
将被分到对应的待解析细项Tagi的待评估关键句中，得到的待评估语句与待解析细项Tagi的映射关系；所述S
i
表示分出的第i个子句，KW
ij
表示第i个解析项的第j个关键字；第二步，模型评估在完成数据处理后，将得到的待评估语句与待解析细项Tagi的映射关系作为输入，通过文本分类模型完成对待评估语句是否类倾向性的评估。2.根据权利要求1所述的电子病历是否类细项提取方法，其特征在于：所述第一步中，按句子分隔符对文本进行分句，分句列表为[S1,S2,S3…
S
n
]，其中，S
i
表示按逗号与句号分出的第i个子句，n表示原句共被分成的子句数，i为不小于1，不大于n的自然数；根据细项解析任务中的待解析细项Tagi内容设计关键词字典，待解析细项Tagi的关键字列表为[KW
i1
,KW
i2
,KW
i3
…
KW
ij
]，Tagi表示第i个待解析细项，KW
ij
表示第i个解析项的第j个关键字。3.根据权利要求2所述的电子病历是否类细项提取方法，其特征在于：所述第二步中，模型评估具体流程如下：S1.取出待评估语句与待解析细项Tagi映射关系中第i个解析项的第j个解析语句；S2.将子句S
i
作为文本分类模型的输入，文本分类模型假设子句S
i
长度为m，X1至X
m
为输入子句S
i
的文字，若子句S
i
长度不足m用
’
<UNK>
’
补齐，若子句S
i
长度超过m则在长度m处做截断处理；S3.基于模型嵌入字典对子句S
i
进行字嵌入处理，将原句转化为m*Wordembedding的矩阵；其中，模型嵌入字典初始化为随机数，长度为分词字典长度；S4.基于模型嵌入字典对句子进行位置嵌入处理，将原句位置嵌入后转化为m*Pos_embedding的矩阵；其中，模型位置嵌入字典初始化为随机数，长度为m；S5.原句在完成字嵌入与位置嵌入后合并字嵌入与位置嵌入矩阵，生成m*(Wordembedding+Pos_embedding)的矩阵；S6.合并矩阵经过两层卷积神经网络层，一层最大化池化层和一层softmax层，生成一个二维向量[y1,y2]，最终评估结果Y如下：若结果为否，则第i个解析项的解析结果为否，然后再次跳转到步骤S1，进行下一...

【专利技术属性】
技术研发人员：刘文丽，李向阳，
申请(专利权)人：山东健康医疗大数据有限公司，
类型：发明
国别省市：