[发明专利]一种电子病历是否类细项提取方法与系统

说明书

本发明特别涉及一种电子病历是否类细项提取方法与系统。该电子病历是否类细项提取方法与系统，按逗号与句号对输入的电子病例样本中的文本进行分句，并按关键词筛选需要解析的核心语句，得到的待评估语句与待解析细项的映射关系；在完成数据处理后，将得到的待评估语句与待解析细项的映射关系作为输入，通过文本分类模型完成对待评估语句是否类倾向性的评估。该电子病历是否类细项提取方法与系统，样本标注流程简单，同时具备模型自学习能力，进一步提高了模型的泛化能力，使其可以自动适应各种是否类细项提取任务。

技术领域

本发明涉及自然语言处理技术领域，特别涉及一种电子病历是否类细项提取方法与系统。

背景技术

在电子病历细项提取过程中，发现存在许多“是/否”类细项提取问题。如是否有吸烟史、是否有饮酒史等。针对该类问题，目前业界常采用规则提取和实体关系提取两种方式。

规则提取，是指通过人为定义关键字或编写正则表达式的方式完成“是/否”类细项提取。该类方法的优点在于规则修改灵活，但缺点在于需要制定规则库来穷举文本中可能出现的情况。面对海量的电子病历数据，这穷尽规则显然是困难的。

基于机器学习模型的实体关系提取方法，是目前业界主流的提取方法。该方法利用模型的学习功能，让模型基于标注的样本自行学习语义及实体间的关系，给出提取结果。具体过程，首先通过命名实体识别模型，识别句子中的各类实体，包括“疾病”、“症状”、“限定词”等。然后，通过关系提取模型，对识别出来的实体进行两两实体关系预测，使限定词与其他类型的实体根据语境建立否定或肯定关系。然而，由于关系实体提取类模型所需样本，需要标注内容包括文本中实体的位置、实体的类型、各实体之间的关系，标注过程复杂，因此很难在实际场景中得到快速有效的应用。

为了降低样本标注难度，满足快速落地的需求，本发明提出了一种电子病历是否类细项提取方法与系统。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种简单高效的电子病历是否类细项提取方法与系统。

本发明是通过如下技术方案实现的：

一种电子病历是否类细项提取方法与系统，其特征在于：包括以下步骤：

第一步，数据处理

按逗号与句号对输入的电子病例样本中的文本进行分句，并按关键词筛选需要解析的核心语句，若子句S_i中包含关键词字典中的关键字KW_ij，子句S_i将被分到对应的待解析细项Tagi的待评估关键句中，得到的待评估语句与待解析细项Tagi的映射关系；所述S_i表示分出的第i个子句，KW_ij表示第i个解析项的第j个关键字；

第二步，模型评估

在完成数据处理后，将得到的待评估语句与待解析细项Tagi的映射关系作为输入，通过文本分类模型完成对待评估语句是否类倾向性的评估。

所述第一步中，按句子分隔符对文本进行分句，分句列表为[S₁,S₂,S₃…S_n]，其中，S_i表示按逗号与句号分出的第i个子句，n表示原句共被分成的子句数，i为不小于1，不大于n的自然数；

根据细项解析任务中的待解析细项Tagi内容设计关键词字典，待解析细项Tagi的关键字列表为[KW_i1,KW_i2,KW_i3…KW_ij]，Tagi表示第i个待解析细项，KW_ij表示第i个解析项的第j个关键字。

所述第二步中，模型评估具体流程如下：

S1.取出待评估语句与待解析细项Tagi映射关系中第i个解析项的第j个解析语句；