[发明专利]一种文本结构化方法及装置

说明书

本公开涉及一种文本结构化方法及装置，包括获取与上下文无关的文法规则集；将文本集合中各文本输入基于所述与上下文无关的文法规则集生成的语法分析器进行解析；针对所述文本集合中每个文本，在所述语法分析器成功解析该文本时，将所述语法分析器的输出确定为该文本对应的结构化文本。通过利用与上下文无关的文法的算法将文本的结构提取出来，根据本公开实施例的文本结构化方法及装置能够提高文本结构化的正确率和效率。

技术领域

本公开涉及文本处理技术领域，尤其涉及一种文本结构化方法及装置。

背景技术

电子病历系统的现代化是医疗信息建设的关键之一，电子病历中包含的信息对于建立起追随病人一生的健康画像起着至关重要的作用。同时，电子病历也是医疗科研的重要元数据。

目前，市面上大量的电子病历往往直接将诊疗诊断、医生查房等众多的文本信息直接存储为文本字段，舍弃了电子病历中应有的大量结构化信息，不利于信息的标准化存储、分享以及分析。

相关技术中，可以通过模板匹配、关键词匹配以及机器学习等方法对病历进行结构化处理。其中，模板匹配法和关键词匹配法的正确率较低，机器学习法则需要进行大量的数据标注，操作繁琐。

发明内容

有鉴于此，本公开提出了一种文本结构化方法及装置，能够提高文本结构化的正确率和效率。

根据本公开的一方面，提供了一种文本结构化方法，所述方法包括：获取与上下文无关的文法规则集；通过基于所述与上下文无关的文法规则集生成的语法分析器对文本集合中各文本进行解析；针对所述文本集合中每个文本，在所述语法分析器成功解析该文本时，将所述语法分析器的输出确定为该文本对应的结构化文本。

根据本公开的另一方面，提供了一种文本结构化装置，所述装置包括：获取模块，用于获取与上下文无关的文法规则集；解析模块，用于通过基于所述与上下文无关的文法规则集生成的语法分析器对文本集合中各文本进行解析；确定模块，用于针对所述文本集合中每个文本，在所述语法分析器成功解析该文本时，将所述语法分析器的输出确定为该文本对应的结构化文本。

在本公开实施例中，利用与上下文无关的文法的算法将文本的结构提取出来，从而将文本转换为结构化文本，保留了层次化结构，提高文本结构化的正确率，也无需标注语料，提高了文本结构化的效率。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出根据本公开一实施例的文本结构化方法的流程图。

图2示出根据本公开一实施例的文本结构化装置的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出根据本公开一实施例的文本结构化方法的流程图。该方法可以应用于计算机等终端。在本公开实施例中以病历作为文本为例进行说明，本公开实施例的文本结构化方法还可以用于其他文本的处理。如图1所示，该方法可以包括：