[发明专利]基于医疗大数据的医学关键词库建立方法及系统

说明书

本发明公开了一种基于医疗大数据的医学关键词库建立方法及系统，该方法包括步骤：从数据项中提取术语和目标字段，根据目标字段得到关键词字段，根据术语和关键词字段得到匹配式；利用匹配式对待查找的文本进行匹配，记录得到的所有关键词以及关键词所在的文本段；将文本段进行断句分词和向量化处理，计算各关键词的评分值，根据该评分值筛选出候选关键词；对候选关键词进行分类，包括合法、否定和可疑关键词；确认这三类关键词的剔除关键词，形成关键词库。本发明的医学关键词库，便于提取与挖掘医学数据中的目标疾病、病史、症状、体征、治疗等，便于后续的大数据解析。

技术领域

本发明属于医疗大数据技术领域，具体涉及一种基于医疗大数据的医学关键词库建立方法及系统。

背景技术

我国健康医疗资源丰富，数据规模不断增加；对医学术语的关键词进行正确提取，对于医学数据的有效使用意义重大。目前，采用自然语言处理医疗大数据是人工智能领域的一个热点，但是利用自然语言处理技术去识别医学术语仍然达不到非常高的准确率。

发明内容

本发明的目的在于，提供一种基于医疗大数据的医学关键词库建立方法，实现对医学关键词进行正确地提取，并建立医学关键词库。

本发明提供一种基于医疗大数据的医学关键词库建立方法，包括以下步骤：

从数据项中提取术语和目标字段，根据目标字段得到关键词字段，根据术语和关键词字段得到匹配式；

利用匹配式对待查找的文本进行匹配，记录得到的所有关键词以及该关键词所在的文本段；

将文本段进行断句分词处理以及向量化，计算各关键词在总文本段中出现的频率、逆向文件频率以及各关键词与文本段的相似程度；将出现频率、逆向文件频率和相似程度这三个值相乘，得到各关键词的评分值，根据该评分值筛选出候选关键词；

对候选关键词进行分类，包括合法关键词、否定关键词和可疑关键词；并确认合法关键词、否定关键词和可疑关键词的剔除关键词，形成关键词库。

进一步地，根据疾病种类、病史、症状、体征、检查结果建立数据项。

进一步地，各关键词的评分值的计算公式为：

式中，R表示评分值，n_i，j表示第i个关键词在所有文本段中出现的次数，n_j表示所有文本段的总词数，|D|表示所有文本段的总段数，|{j：t_i∈d_j}|表示包含该关键词的总段数，A表示关键词向量，B表示文本段向量，m表示向量维度，a表示第a个元素。

进一步地，关键词库还包括合法关键词、否定关键词和可疑关键词的调用顺序。

进一步地，关键词库还包括术语、数据项和目标字段。

本发明还提供一种用于实现上述基于医疗大数据的医学关键词库建立方法的基于医疗大数据的医学关键词库建立系统，包括：

匹配式模块，用于从数据项中提取术语和目标字段，根据目标字段得到关键词字段，根据术语和关键词字段得到匹配式；

匹配模块，用于利用匹配式对待查找的文本进行匹配，记录得到的所有关键词以及关键词所在的文本段；

候选模块，用于将文本段进行断句分词以及向量化，计算各关键词在总文本段中出现的频率、逆向文件频率以及各关键词与文本段的相似程度；将出现频率、逆向文件频率和相似程度这三个值相乘，得到各关键词的评分值，根据该评分值筛选出候选关键词；

分类模块，用于对候选关键词进行分类，包括合法关键词、否定关键词和可疑关键词；并确认合法关键词、否定关键词和可疑关键词的剔除关键词，形成关键词库。