[发明专利]一种电子病历查询语句的构造方法

摘要

本发明公开了一种电子病历查询语句的构造方法，该方法包括电子病历语料预处理，医学术语抽取及筛选，医学术语权重计算，新查询语句构造四步骤；其中电子病历语料预处理包括分词、词频统计、概率分布参数计算；医学术语抽取及筛选包括分词、医学术语抽取及去掉医学停用词；医学术语权重计算包括泊松分布拟合词分布、医学术语出现概率计算及医学术语自信息计算；新查询构造是将得到的带权重医学术语与原始查询语句，通过线性平滑参数结合，得到新查询语句。本发明应用到一个新的病历集合上，就可以在该病历集合上进行更加有效的查询，提高了电子病历检索的准确度。

主权项

一种电子病历查询语句的构造方法，其特征在于该方法包括以下具体步骤：a)、电子病历语料预处理对电子病历语料文本进行分词，去掉停用词之后，得到语料中出现的所有词；利用公式(1)计算每个词t在每篇病历中的平均出现次数；λ=1nΣi=1nki---(1)]]>其中，λ表示词t的平均出现次数，n表示电子病历语料集合的大小，ki表示词t在第i篇病历中出现的次数；通过计算得到每个词t对应的λ；b)、医学术语抽取及筛选首先，抽取原始查询语句中出现的医学术语；再在抽取出的医学术语中去掉医学停用词，剩下的医学术语的集合记为QUMLS＝{Q1，Q2，...，Qn}，其中Qi表示第i个医学术语，每个医学术语有可能由多个词组成；c)、医学术语权重计算计算每个医学术语Qi的权重wi，具体包括：i)、计算组成医学术语的词的出现概率p(t)；使用泊松分布来拟合词t的概率分布；那么p(t)使用公式(2)来计算；p(t)=P(T≥1)=1-P(T=0)=1-e-λ---(2)]]>其中，T表示词t的出现次数，λ表示词t的平均出现次数，e表示自然常数；ii)、计算医学术语Qi在电子病历语料中出现的概率p(Qi)；医学术语Qi中每个词的出现是相互独立事件，p(Qi)使用公式(3)计算；iii)、计算每个医学术语Qi的权重wi，使用自信息的定义，即公式(4)计算；wi=-ln(p(Qi))---(4)]]>d)、新查询语句构造使用原始查询语句、Q1，Q2，...，Qn以及对应的w1，w2，...，wn构造新的查询语句，具体包括：i)、对于原始查询语句，组成原始查询语句的词之间的权重平均分配，得到查询子句1；ii)、对于医学术语Qi内部，医学术语Qi中每个词的权重平均分配；iii)、对于医学术语Qi之间，每个医学术语Qi分配到的权重是得到查询子句2；iv)、将查询子句1和查询子句2，按照μ∶(1‑μ)的比例分配权重，得到新查询语句，其中μ的取值范围是[0，1]。