[发明专利]一种基于大数据技术的电子病历文本解析闭环方法

摘要

本发明涉及一种基于大数据技术的电子病历文本解析闭环方法，从高频词探查和粗分词典的构建出发提出了从病历文本探查到命名实体识别、词语类别标注的电子病历文本解析闭环设计，获得包含更多未登陆词的字典，进而电子病历分词更为准确，词向量的计算也随之更准确，这样，更多的词可以被标注类别，达到提高命名实体识别准确率的实际效果，是对于目前医疗文本数据的结构化处理大多依赖通用分词工具或医学知识库，而通用分词工具对专业术语的识别效果并不理想、且国内的中文医学术语标准化进程不足的问题提供了有效解决方案，为中文电子病历文本解析提供了创新思路，对深入研究医疗卫生领域信息化处理，提高医疗卫生智能化信息服务具有重要意义。

主权项

1.一种基于大数据技术的电子病历文本解析闭环方法，其特征在于，包括以下步骤：步骤1、由已登录的行业术语组成粗分词典，由已登录的行业术语及命名实体组成精确分词词典，命名实体为医疗领域所使用的不常见的、不能穷举的词；步骤2、计算精确分词词典中各词的词向量，对词向量进行聚类分析，为没有标准的不同类别的词向量所对应的词加上不同的标签，由带有标签的词及其对应的标签组成带标签的词语训练集步骤3、基于粗分字典利用高频词探查技术探查对电子病历文本进行高频词探查，发现电子病历文本中粗分词典已登录的行业术语及未登录的行业术语；以带标签的词语训练集对条件随机场进行训练，使用训练后的条件随机场识别出电子病历文本中精确分词词典已登录的命名实体及精确分词词典未登录的命名实体；步骤4、将上一步得到的未登录的行业术语及未登录的命名实体补充入精确分词词典中，并将上一步得到的未登录的行业术语补充入粗分词典中，形成更新后的粗分词典及精确分词词典后返回步骤2。