[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

说明书

本发明提供了一种腹部超声文本数据的结构化知识网络的构建方法。该方法包括：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。本发明的方法建立的超声检查知识图谱充分保留了超声检查知识，可结构化存储，为更高层次的智能诊断决策应用场景提供数据基础。

技术领域

本发明涉及文本结构化处理技术领域，尤其涉及一种腹部超声文本数据的结构化知识网络的构建方法。

背景技术

医学病理文本作为一类重要的非结构化临床文档，对临床诊断至关重要。在实际应用中，需要对中文的医学病理文本数据进行结构化处理。

近年来国内开始有学者关注对电子病历的文本挖掘工作。有研究专门针对中文电子病历文本，在利用既有分词工具基础上的分词方法，其精度最高可达78.06％；有研究以电子病历文本为基础，挖掘出院记录部分潜在语义，但该研究只针对四种治疗方案进行了评估，评估结果粒度较大，应用于临床实践的针对性不强；还有一些研究基于电子病历开展临床决策支持的相关探索。这些研究的重点多在电子病历中的结构化和半结构化数据，或是较有针对性地抽取特定关键词等信息，当前研究还缺少对非结构化医疗文本结构化处理，以及知识挖掘。

超声检查文本通常主要涉及肝、胆、胰、脾、肾五个器官的检查内容，检查记录一般在200～300字左右，且包含较多的专用词和习惯用语，文本复杂度较高。有研究基于信息抽取的思想，针对超声检查中的甲状腺描述文本进行结构化处理，但其并未全面覆盖超声检查文本，也没有进一步建立起超声检查文本结构化后内容的关系网络。

发明内容

本发明的实施例提供了一种腹部超声文本数据的结构化知识网络的构建方法，以实现有效地构建腹部超声文本数据的知识网络。

为了实现上述目的，本发明采取了如下技术方案。

一种腹部超声文本数据的结构化知识网络的构建方法，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。

进一步地，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。

进一步地，所述的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，包括：

设所述腹部超声文本数据为S，S＝{W₁,W₂,...,W_n}，W_i表示S中的第i个词，W_i+1表示S中的第i+1个词，Cnt(w_i,w_i+1)表示词对w_iw_i+1在S中出现的次数；