[发明专利]一种应用于医技检查报告的智能纠错方法

权利要求书

1.一种应用于医技检查报告的智能纠错方法，其特征在于，包括以下步骤：

步骤1、预处理过程：

1.1、将整个医技检查报告语料库作为训练样本，采用基于字符串匹配和隐马尔可夫模型HMM的中文分词模型CSM对训练样本进行分词，并经过去重和编号处理后，生成医技检查报告词库MERL；

步骤2、训练过程：

2.1、采用中文分词模型CSM对训练样本进行分词，并依据医技检查报告词库MERL对训练样本进行数字化编码，若样本分词不在医技检查报告词库MERL中，则编码为0；

2.2、将编码后的训练样本按3:1:1的比例构建训练集、验证集和测试集；

2.3、将构建好的训练集、验证集和测试集送入到递归神经网络RNN-双层长短期记忆网络LSTM中进行训练，获得纠错模型CM；

步骤3、智能纠错过程：

3.1、经过训练得到纠错模型CM后，采用中文分词模型CSM对待检测的医技检查报告进行中文分词，获得n个分词，并用thresh来表示纠错阈值，用nIn来记录纠错过程中分词连续出现在医技检查报告词库MERL的数目；

3.2、依次对得到的分词进行分析纠错，若分词中含有标点符号，则不需要进行纠错；

3.3、若当前第i个分词不在医技检查报告词库MERL，则认为该分词是错误的，概率值P_i=0，并根据拼音和字形给出一组可替代错误分词的建议值；

3.4、若当前第i个分词在医技检查报告词库MERL中，则将i-nIn,…,i共计nIn+1个分词送入纠错模型CM得到第i+1个分词的概率值P_i+1;

若P_i+1＜thresh，则将第i+1个分词标注为错误，并给出由纠错模型CM得到的一组可替代错误分词的建议值，接下来去分析第i+2个分词，并将nIn=0；

若P_i+1≥thresh，则认为第i+1个分词是正确的，接下来根据i-nIn,…,i,i+1共计nIn+2个词去分析第i+2个分词，并将nIn =nIn+1；

3.5、当所有分词都分析完成后，智能纠错结束。

2.根据权利要求1所述的一种应用于医技检查报告的智能纠错方法，其特征在于：若在智能纠错过程中的第i个分词在医技检查报告词库MERL中，但概率值P_i不存在，则令P_i=1。