[发明专利]一种基于中医古籍文献的短语挖掘和系统

说明书

本发明公开了一种基于中医古籍文献的短语挖掘方法，包括如下步骤：S1、基于网络爬虫模块在预设的网络基站上定向采集中医古籍文献,生成中医古籍文献集；S2、利用词向量扩充短语词典的方法对定向采集到的中医古籍文献集文本进行处理,然后从中自动抽取短语,采用人工和机器学习相结合的方式构建短语词典；S3、基于所述短语词典构建短语挖掘分析模型；S4、基于所述短语挖掘分析模块实现中医文献中短语的挖掘和分析。本发明基于中医文献语境识别模型实现中医文献中内载病症的识别，然后基于短语词典构建的无限深度神经网络模型和Bi‑LSTM+Attention模型实现了中医文献内载短语的挖掘分析，准确率达97.3%左右。

技术领域

本发明涉及中医文献分析领域，具体涉及一种基于中医古籍文献的短语挖掘和系统。

背景技术

中医是有着数千年历史的医学技术，中医文献是一种传承中医科学与技术的重要媒介。中医文献的历史决定了中医文献不同于现代其他文献的独特性。中医文献卷帙浩繁，其中，中医古籍文献涉及的专有名词数量巨大，有众多的生僻字，如何更加有效、全面的利用和阅读中医古籍文献，影响着中医的发展和传承。

计算机与互联网技术的发展，改变了人们阅读文献的方式和速度。为了更快的学习和掌握中医理论，在治疗中更好的应用中医技术，也需要以更加高效的方式阅读、整理、存储中医文献。如何利用计算机与互联网技术进行中医古籍文献的挖掘，是知识工程中医领域中的重要内容。

发明内容

为解决上述问题，本发明提供了一种基于中医古籍文献的短语挖掘和系统，可以实现中医文献内载短语的挖掘分析，从而实现中医文献的有效阅读和全面理解利用。

为实现上述目的，本发明采取的技术方案为：

一种基于中医古籍文献的短语挖掘方法，包括如下步骤：

S1、基于网络爬虫模块在预设的网络基站上定向采集中医古籍文献,生成中医古籍文献集；

S2、利用词向量扩充短语词典的方法对定向采集到的中医古籍文献集文本进行处理,然后从中自动抽取短语,采用人工和机器学习相结合的方式构建短语词典；

S3、基于所述短语词典构建短语挖掘分析模型；

S4、基于所述短语挖掘分析模块实现中医文献中短语的挖掘和分析。

进一步地，所述步骤S1中，网络爬虫模块基于预设的中医古籍文献名目录实现中医古籍文献的爬取。

进一步地，所述步骤S2中，基于人工为每一个短语标记上独立的编号，然后基于机器学习调用网络爬虫模块根据所述短语在预设的网络基站上定向挖掘与该短语相关的文本数据，通过人工整理的方式生成对应的短语分析条目。

进一步地，所述短语挖掘分析模型包括短语挖掘模型和短语分析模型，短语挖掘模型采用无限深度神经网络模型，短语分析模型采用Bi-LSTM+Attention模型。

进一步地，还包括基于中医文献语境识别模型实现中医文献语境识别的步骤，所述中医文献语境识别模型用于实现中医文献中内载病症的识别。

进一步地，还包括基于中医文献断句模型实现中医文献文本的断句处理的步骤。

本发明还提供了一种基于中医古籍文献的短语挖掘系统，采用上述的方法实现短语的挖掘分析，包括：

短语词典构建模块，用于基于网络爬虫模块在预设的网络基站上定向采集中医古籍文献,生成中医古籍文献集；然后利用词向量扩充短语词典的方法对定向采集到的中医古籍文献集文本进行处理,然后从中自动抽取短语,采用人工和机器学习相结合的方式构建短语词典；

短语挖掘分析模型构建模块，用于基于所述短语词典构建短语挖掘分析模型；

文献语境识别模块，用于基于中医文献语境识别模型用于实现中医文献中内载病症的识别；

文献断句模块，用于基于中医文献断句模型实现中医文献文本的断句处理；