[发明专利]腹部超声文本数据的结构化知识网络的构建方法

权利要求书

1.一种腹部超声文本数据的结构化知识网络的构建方法，其特征在于，包括：

利用分词工具对中文的腹部超声文本数据进行文本分词处理，得到所述腹部超声文本数据的文本集合；

计算所述文本集合中不同文本之间的相似度，根据文本之间的相似度构建文本相似度矩阵，利用文本相似度矩阵实现所述腹部超声文本数据的文本聚类，对文本聚类后的腹部超声文本数据中的短句进行定位与映射；

根据所述短句的定位与映射结果通过算法对所述腹部超声文本数据进行实体、属性和值的标记，基于实体、属性和值构建所述腹部超声文本数据的结构化知识网络；

所述的对文本聚类后的腹部超声文本数据中的短句进行定位与映射，包括：

选取n条文本聚类后的腹部超声文本数据，对每条腹部超声文本数据以标点符号为界进行短句切分；

选取第一条腹部超声文本数据中第m个短句采用海明距离计算出与第i条腹部超声文本数据中的第j个短句之间的相似度其中i＝2,3,...,n；

提取第i条腹部超声文本数据中的与第一条腹部超声文本数据中第m个短句相似度最高的短句，两个相似度最高的短句之间构成映射；

对第一条腹部超声文本数据中的所有短句进行上述处理，得到第一条腹部超声文本数据与第i条腹部超声文本数据之间的相似短句映射表，该相似短句映射表中包括多个短句组，每个短句组中包括两个构成映射的分别来自第一条腹部超声文本数据与第i条腹部超声文本数据的短句；

所述的根据所述短句的定位与映射结果通过算法对所述腹部超声文本数据进行实体、属性和值的标记，包括：

(1)统计出所述相似短句映射表中的短句组中所有短句的出现频数，选取出现频数最多的短句作为标准句；

(2)选取与所述标准句之间相似度高于0.5的短句构成短句集合,该短句集合中短句按照相似度的值的大小进行降序或者升序排序；

(3)基于所述腹部超声文本数据的文本集合对所述短句集合中的短句进行分词；

(4)分别以每一个短句的分词结果为基础与其后面的短句的分词结果作比较，当后面的短句的分词结果为前面的短句的分词结果的子集，则将后面的短句从所述短句集合中删除，得到精简后的短句集合；

(5)对所述精简后的短句集合中的短句，统计短句中每个词出现的次数，以及每个词出现的次数与精简后的短句集合中短句总数之比值，将出现次数最多且所述比值高于0.8的词作为实体；

(6)在每个短句中找到实体出现的位置后，选取实体后面的词，判断该词是不是最末尾的词，如果是，则执行(7)；否则，执行(8)；

(7)判断该词的频数是否小于等于P，若是，则判断该词为值；否则，判断该词是属性；

(8)判断该词的频数或该词的下一词的频数是否大于Q，若是，则判断该词为属性；否则，判断该词为值；参数P和Q设置为：P＝Q＝腹部超声文本数据中包含实体的短句数目/2。

2.根据权利要求1所述的方法，其特征在于，所述的利用分词工具对中文的腹部超声文本数据进行文本分词处理，得到所述腹部超声文本数据的文本集合，包括：

利用分词工具对中文的腹部超声文本数据进行文本分词，采用基于词共现分析的分词校正方法识别出文本分词结果中的过切分，并对过切分进行校正处理，所述过切分为将本应该合并在一起的字、词和词组切分开，根据校正处理后的分词结果得到所述腹部超声文本数据的文本集合。