[发明专利]基于多特征模板修正的中医医案命名识别方法及系统

权利要求书

1.基于多特征模板修正的中医医案命名识别方法，其特征是，包括如下步骤：

步骤(1)：对中医医案文本进行句子抽取；

步骤(2)：对抽取的句子进行分类；

步骤(3)：对每一类句子进行分词处理；

步骤(4)：对分词得到的每一个字依次进行字符特征、词性特征、左指示词特征、右指示词特征及术语特征标注；所有字的字符特征、词性特征、左指示词特征、右指示词特征以及术语特征组成语料观察序列，依据中医医案类别标签和BIO标记法对每一个字进行标注，生成每一个字的输出特征；所有字的输出特征组成输出特征序列；语料观察序列和输出特征序列共同组成语料；

步骤(5)：制定特征模板；

步骤(6)：将步骤(4)得到的语料和步骤(5)得到的特征模板均输入到条件随机场模型中，对条件随机场模型进行训练，得到训练好的条件随机场模型；

步骤(7)：对待预测的中医医案采用步骤(1)-(4)同样的方法进行处理，构建待预测语料；将构建的识别语料作为输入，输入到训练好的条件随机场模型中，输出中医医案类别标签及字符的位置，最后，根据中医医案类别标签及字符的位置识别出中医四诊、证型和治法。

2.如权利要求1所述的基于多特征模板修正的中医医案命名识别方法，其特征是，

依据中医医案文本中的标点符号为分隔符对句子进行抽取，所述标点符号是指逗号、分号或句号；所述步骤(1)抽取的句子，包括中医四诊句子、证型句子及治法句子；中医四诊是指医生通过望闻问切获得的患者异常症状以及异常体征；证型是指医生确认的症状；治法是指医生确认的治疗方法。

3.如权利要求1所述的基于多特征模板修正的中医医案命名识别方法，其特征是，依据修饰词对句子进行分类，将句子分类为当前的句子，否认的句子和可能的句子；剔除否认的句子和可能的句子，保留当前的句子；所述修饰词，包括当前的、否认的或可能的；所述当前的句子，表示当前肯定发生的不适症状或疾病；所述可能的句子，表示可能产生的症状或者医生确诊前做出的诊断；所述否认的句子，表示肯定不发生于患者本人的疾病或症状。

4.如权利要求1所述的基于多特征模板修正的中医医案命名识别方法，其特征是，首先去掉无意义的词，对错别字进行修改；基于字的分词方法对每一类句子进行切割，切割成单个字；所述无意义的词，包括：数字、单位和标点符号。

5.如权利要求1所述的基于多特征模板修正的中医医案命名识别方法，其特征是，所述字符特征，是指每一个字本身；

所述词性特征，包括：动词、名词、形容词、副词以及介词；

左指示词特征，是指出现在命名实体左边的词；如果当前字是出现在命名实体左边的字，则当前字的左指示词特征为T，否则，当前字的左指示词特征为F；

右指示词特征，是指出现在命名实体右边的词；如果当前字是出现在命名实体右边的字，则当前字的右指示词特征为T，否则，当前字的右指示词特征为F；

术语特征，是指描述人体器官的词；如果当前字是人体器官，则当前字的术语特征为T，否则，当前字的术语特征为F。

6.如权利要求1所述的基于多特征模板修正的中医医案命名识别方法，其特征是，所述依据中医医案类别标签和BIO标记法对每一个字进行标注：中医医案类别标签包括中医四诊ZS、证型ZX和治法ZF；

如果当前字属于中医四诊，则当前字的中医医案类别标签为ZS；如果标签为ZS的当前字的是第一个字符，那么当前字的输出特征为ZS-B；如果标签为ZS的当前字的是非第一个字符，那么当前字的输出特征为ZS-I；

如果当前字属于证型，则当前字的中医医案类别标签为ZX；如果标签为ZX的当前字的是第一个字符，那么当前字的输出特征为ZX-B；如果标签为ZX的当前字的是非第一个字符，那么当前字的输出特征为ZX-I；

如果当前字属于治法，则当前字的中医医案类别标签为ZF；如果标签为ZF的当前字的是第一个字符，那么当前字的输出特征为ZF-B；如果标签为ZF的当前字的是非第一个字符，那么当前字的输出特征为ZF-I；

如果当前字不属于中医四诊ZS、证型ZX和治法ZF当中的任何一种，则当前字的标签为O。