[发明专利]一种医疗文本数据的命名实体识别方法

权利要求书

1.一种医疗文本数据的命名实体识别方法，其特征在于，包括以下步骤：

I)通过隐马尔可夫模型对原始医学文本进行序列标注，得到预测分词结果；

II)对预测分词结果进行过滤与校准。

2.根据权利要求1所述的医疗文本数据的命名实体识别方法，其特征在于，所述步骤II)通过半监督学习过程进行迭代自学习，对预测分词结果进行过滤与校准。

3.根据权利要求2所述的医疗文本数据的命名实体识别方法，其特征在于，所述半监督学习过程包括以下步骤：

1)去除预测分词结果中与停用词集中重合的部分；

2)将去除停用词后的分词结果做预处理，统计所有分词结果的频次，并以降序方式排列；

3)将频次高的词加入种子词集；

4)再次对原始医学文本进行分词处理，种子词集中出现的种子词优先成词；

5)重复上述步骤1)至4)，直至种子词集不再有增量；

6)人工对种子词集进行审查，若种子词集中有干扰分词正确的词，进行人工修正。

4.根据权利要求3所述的医疗文本数据的命名实体识别方法，其特征在于，所述步骤3)中，所述频次高的词是频次最高的前10个词。

5.根据权利要求3或4所述的医疗文本数据的命名实体识别方法，其特征在于，所述步骤5)对步骤1)至4)的迭代次数为2至3次。