[发明专利]一种病历文本的文本分类方法及装置

说明书

本发明实施例涉及数据处理技术领域，尤其涉及一种病历文本的文本分类方法及装置，用以根据文本类型对病历文本进行分段并输出每段的文本类型。本发明实施例包括：确定病历文本中各文本元素的输入向量；针对所述病历文本中的一个文本元素，将所述文本元素的输入向量转换为所述文本元素的隐层表示，所述隐层表示包含所述病历文本的信息；根据所述文本元素的隐层表示，确定所述文本元素对应的文本类型；将文本类型相同的连续的文本元素合并成一个段落，并将文本元素对应的文本类型作为所述段落的文本类型。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种病历文本的文本分类方法及装置。

背景技术

随着人工智能技术的发展以及电子化病历的普及，涌现出了大量的智能化医疗应用，如自动化辅助诊断、病历质控、用药提示及监测、患者自查、相似病历搜索等。病历文本由于其相对客观性，成为了这些应用系统必不可少的数据源。由于病历文本的复杂性，应用系统往往会使用不同的模块，分别处理不同的病历类型，例如使用不同的算法分析病历中的处方、病史、辅助检查部分。因此，系统必须知道其被输入的文本属于何种病历类型，才能调用相应的处理流程。

现有技术主要是基于特征将文本自动化分类。系统从输入文本中提取关键特征，生成特征向量，利用统计分析或机器学习算法，对特征向量进行分类。所提取的特征可以是特定字词出现的频率、文本长度等低级别特征，也可以是利用自然语言处理技术，对文本进行解析所得到的语法树等高级别特征。

在现实中，由于医疗业务的需要，病历中存在一些复杂的模块，其中的每一段文本，并非只对应一种文本类型。例如住院部的每日查房记录，虽然可能只是一段文本，但结构上一般可以分解为病史、体格检查、辅助检查结果、上级医师指示等部分，而其中的上级医师指示可能又包含鉴别诊断、辅助检查计划、治疗方案等类型的文本。因此需要算法将一个段落的多类病历文本进行分段，分别进行分类，而现有技术的文本分类方法无法做到。

发明内容

本申请提供一种病历文本的文本分类方法及装置，用以根据文本类型对病历文本进行分段并输出每段的文本类型。

本发明实施例提供的一种病历文本的文本分类方法，包括：

确定病历文本中各文本元素的输入向量；

针对所述病历文本中的一个文本元素，将所述文本元素的输入向量转换为所述文本元素的隐层表示，所述隐层表示包含所述病历文本的信息；

根据所述文本元素的隐层表示，确定所述文本元素对应的文本类型；

将文本类型相同的连续的文本元素合并成一个段落，并将文本元素对应的文本类型作为所述段落的文本类型。

可选的，所述病历文本中的文本元素包括所述病历文本中的文字；

所述确定病历文本中各文本元素的输入向量，包括：

利用字嵌入技术，确定所述病历文本中的每个文字的第一向量；

对所述病历文本进行分词，利用词嵌入技术，确定所述病历文本中的每个词的向量，并将每个词的向量作为对应的文字的第二向量；

根据所述第一向量和所述第二向量，确定所述病历文本中每个文字的输入向量。

可选的，所述将所述文本元素的输入向量转换为所述文本元素的隐层表示，包括：

利用长短期记忆模型，将所述文本元素的输入向量转换为所述文本元素的隐层表示。

可选的，所述利用长短期记忆模型，将所述文本元素的输入向量转换为所述文本元素的隐层表示，包括：

针对所述病历文本中的至少一个文本元素，利用第一长短期记忆模型，根据所述病历文本的输入向量，确定所述文本元素的初态隐层向量；