[发明专利]用于从电子文档提取信息的方法和系统

权利要求书

1.一种用于从电子文档提取信息的方法，所述方法包括：

从训练语料库学习术语和术语变体，其中所述术语和所述术语变体对应于与所述训练语料库相关的专用词典；

生成在所述训练语料库中找到的否定指示符的列表；

在一组电子文档中执行所述术语和所述术语变体的部分匹配以产生初始匹配结果；以及

针对所述初始匹配结果使用所述否定指示符执行否定测试并使用所述术语和所述术语变体执行肯定术语测试，以便从所述初始匹配结果中删除使所述否定测试或所述肯定术语测试失败的匹配，从而产生最终匹配结果。

2.根据权利要求1的方法，其中生成所述否定指示符的列表进一步包括：

使用N元语法参数在所述训练语料库中搜索所述否定指示符，其中所述N元语法参数确定在其中找到所述否定指示符的每个短语的最大连续单词数量。

3.根据权利要求2的方法，其中执行所述肯定术语测试进一步包括：

根据所述N元语法参数在所述最大数量的单词中搜索术语修饰符，其中所述术语修饰符修改所述术语和所述术语变体。

4.根据权利要求1的方法，其中学习所述术语和术语变体进一步包括学习每个术语和术语变体的通用前缀，其中每个通用前缀对单个单词是唯一的。

5.根据权利要求4的方法，其中执行所述部分匹配进一步包括将每个术语和术语变体的所述通用前缀与所述一组电子文档相匹配。

6.根据权利要求1的方法，其中执行所述部分前缀匹配进一步包括：

将所述一组电子文档划分成句子；

确定每个句子的最长通用子缀得分，其中所述最长通用子缀得分对应于每个句子的最大术语和术语变体匹配子集；以及

保留具有高于预定阈值的最长通用子缀得分的句子。

7.根据权利要求1的方法，还包括：

在执行所述部分匹配之前手动完善从所述训练语料库中学习的所述术语和所述术语变体，其中电子文档包括临床报告。

8.一种短语匹配系统，所述系统包括：

训练引擎，其被配置为：

从训练语料库学习术语和术语变体，其中所述术语和所述术语变体对应于与所述训练语料库相关的专用词典；以及

生成在所述训练语料库中找到的否定指示符的列表；以及匹配引擎，其被配置为：

在一组电子文档中执行所述术语和所述术语变体的部分匹配以产生初始匹配结果；以及

针对所述初始匹配结果使用所述否定指示符执行否定测试并使用所述术语和所述术语变体执行肯定术语测试，以便从所述初始匹配结果中删除使所述否定测试或所述肯定术语测试失败的匹配，从而产生最终匹配结果。

9.根据权利要求8的系统，其中生成所述否定指示符进一步包括：

使用N元语法参数在所述训练语料库中搜索所述否定指示符，其中所述N元语法参数确定在其中找到所述否定指示符的每个短语的最大连续单词数量。

10.根据权利要求9的系统，其中执行所述肯定术语测试进一步包括：

根据所述N元语法参数在所述最大数量的单词中搜索术语修饰符，其中所述术语修饰符修改所述术语和所述术语变体。

11.根据权利要求8的系统，其中学习所述术语和术语变体进一步包括学习每个术语和术语变体的通用前缀，其中每个通用前缀对单个单词是唯一的。

12.根据权利要求11的系统，其中执行所述部分匹配进一步包括将每个术语和术语变体的所述通用前缀与所述一组电子文档相匹配。

13.根据权利要求8的系统，其中执行所述部分前缀匹配进一步包括：

将所述一组电子文档划分成句子；

确定每个句子的最长通用子缀得分，其中所述最长通用子缀得分对应于每个句子的最大术语和术语变体匹配子集；以及

保留具有高于预定阈值的最长通用子缀得分的句子。

14.根据权利要求8的系统，其中所述训练引擎被进一步配置为：

接收输入以便手动完善从所述训练语料库中学习的所述术语和所述术语变体，其中电子文档包括临床报告。