[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

说明书

本发明公开了基于多特征模板修正的中医医案命名识别方法及系统，包括步骤：对中医医案文本进行句子抽取；对抽取的句子进行分类；对每一类句子进行分词处理；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；构建训练语料；制定特征模板；将得到的语料和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；对待预测的中医医案构建待预测语料；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。

技术领域

本发明涉及基于多特征模板修正的中医医案命名识别方法及系统。

背景技术

中医医案文本信息化的关键步骤是能够对海量的中医医案文本进行命名实体的识别，并建立中医望闻问切四诊文本信息、证型文本信息及治法文本信息之间的关联关系，以此科学论证“辨证施治”的思想。命名实体识别已在诸多领域广泛应用，例如：财经领域、产品识别、微博文本、军事文本等。

命名实体识别分析方法大体分为两类：

第一类是基于规则和词典的方法及基于机器学习的方法。基于规则和词典的方法的缺点是对词典和规则库的依赖较高，对于未登录词的识别能力会大幅降低；

第二类是基于机器学习的方法。基于机器学习的方法快速高效，具有较好的移植性，常见的方法主要包括隐马尔克夫模型(HMM)，最大熵隐马模型(MEMM)、条件随机场模型(CRFs)。经过比较，CRFs在易用性、稳定性和准确性等综合方面的表现最好，在输出独立性假设以及难以避免的标记偏见问题方面优于HMM算法和MEMM算法。

发明内容

为了解决现有技术的不足，本发明提供了基于多特征模板修正的中医医案命名识别方法及系统；

作为本发明的第一方面：

基于多特征模板修正的中医医案命名识别方法，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。

BIO标记法，是指：B表示实体的第一个字符，I表示实体的非第一个字符，O表示非实体字符。

作为本发明的进一步改进，所述中医医案文本是指中医专家诊疗活动记录。

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；