[发明专利]一种基于短文本聚类的标注系统及其方法

摘要

本发明涉及一种基于短文本聚类的标注系统及其方法，属于临床医学标注技术领域，解决了现有技术标注效率低、训练困难、结果准确性差和沟通成本过高的问题。本发明公开的基于短文本聚类的标注系统包括输入模块、文本聚类算法模块、多文本对齐模块、结果展示模块、快速标注模块、输出模块。与现有技术相比，本发明采用了文本聚类算法和多文本对齐算法，极大减少了相似子文本的阅读量，提高了阅读速度，并且采用纵向多文本对比浏览，极大方便了用户进行人工比对。更有益的是，本发明不需要通过任何训练集进行算法训练，对不同的医学文本不需要IT人员更改算法，沟通成本极低。

主权项

1.一种基于短文本聚类的标注系统，其特征在于，包括输入模块、文本聚类算法模块、结果展示模块、快速标注模块、输出模块；所述输入模块，用于接收用户输入的待处理文本，将所述待处理文本转换成至少一个单行子文本，并对所有单行子文本进行去空和去重处理；所述文本聚类算法模块，用于对所述去空去重后的所有单行子文本进行聚类分组，将字符上相似的单行子文本置于同一个组内；所述结果展示模块，用于将所述分组后的单行子文本按组进行可视化显示，将有差异并且出现概率较少的字符进行高亮显示；所述快速标注模块，用于对聚类结果中每组内所有单行子文本内容进行选定，并设置标签进行标注；所述输出模块，用于将标注结果通过复制的方式导出。