[发明专利]一种医疗大数据的数据标准化处理方法及装置

权利要求书

1.一种医疗大数据的数据标准化处理方法，其特征在于，包括：

获取原始数据中的待处理语句；

将所述待处理语句进行单字切分，确定待处理语句中的每个文字；

根据预先训练完成的CRF训练模型，确定待处理语句中的每个文字在待处理语句中的实体标记，并确定待处理语句的实体标记序列；

根据待处理语句的实体标记序列，确定待处理语句的第一组候选实体；

根据预先设置的医学本体术语抽词策略，对所述待处理语句进行抽词，确定第二组候选实体；

若第一组候选实体和第二组候选实体不相同，根据预先设置的判断策略从第一组候选实体和第二组候选实体中确定待处理语句中的实体，并确定实体类型；

根据预先设置的句法分析筛选规则，对待处理语句中的实体进行筛选，确定待处理语句中的候选标准化术语，并根据所述实体类型确定候选标准化术语类型；

将所述待处理语句中的候选标准化术语与预先设置的医学本体术语库进行匹配；

若所述待处理语句中的候选标准化术语与预先设置的医学本体术语库匹配成功，则将所述待处理语句中的候选标准化术语确定为标准化术语，并根据候选标准化术语类型确定标准化术语类型；

若所述待处理语句中的候选标准化术语与预先设置的医学本体术语库匹配失败，则根据候选标准化术语类型，生成匹配失败问题报告或者对匹配失败且术语类型为疾病类的候选标准化术语根据预先设置的模糊匹配策略，进行模糊匹配；

若进行模糊匹配成功，则将所述待处理语句中的候选标准化术语确定为标准化术语，并根据候选标准化术语类型确定标准化术语类型；

所述根据预先设置的判断策略从第一组候选实体和第二组候选实体中确定待处理语句中的实体，并确定实体类型，包括：

确定来源于相同待处理语句的原始字符串的第一组候选实体和第二组候选实体中，实体个数少，且实体包含的字符数多的一组实体作为待处理语句中的实体；

在所述第一组候选实体和第二组候选实体中相对应的实体的实体类型不一致时，选择第二组候选实体中的实体的实体类型作为所述相对应的实体的实体类型；

根据预先设置的医学本体术语抽词策略，对所述待处理语句进行抽词，确定第二组候选实体，包括：

将所述待处理语句采用逆向最大匹配原则与预先设置的医学本体术语库进行匹配，将所述待处理语句中与医学本体术语库中的标准术语名称或同义词相匹配的字符串抽出，作为第二组候选实体，并将所述标准术语名称或同义词所对应的术语类型作为第二组候选实体的实体类型；

根据预先设置的句法分析筛选规则，对待处理语句中的实体进行筛选，确定待处理语句中的候选标准化术语，并根据所述实体类型确定候选标准化术语类型，包括：

判断待处理语句是否满足预先设置的句法结构；

在待处理语句满足预先设置的句法结构时，将待处理语句中的实体舍弃；

在待处理语句不满足预先设置的句法结构时，判断待处理语句中的实体的实体类型是否包括药品的剂型实体、规格实体或者包材实体；

若待处理语句中的实体的实体类型包括药品的剂型实体、规格实体或者包材实体，且待处理语句中的实体还包括药品名称实体，则将药品的剂型实体、规格实体或者包材实体保留；

若待处理语句中的实体的实体类型包括药品的剂型实体、规格实体或者包材实体，且待处理语句中的实体未包括药品名称实体，则将药品的剂型实体、规格实体以及包材实体舍弃。

2.根据权利要求1所述的医疗大数据的数据标准化处理方法，其特征在于，所述原始数据包括结构化数据、半结构化数据或非结构化数据；所述结构化数据包括医疗结算单数据、网络医疗文本数据、医疗知识库数据以及医疗文献库数据；所述非结构化数据包括电子病例数据和健康档案数据。