[发明专利]一种病历文本的自然语言结构化方法及装置

说明书

本发明实施例涉及数据处理技术领域，尤其涉及一种病历文本的自然语言结构化方法及装置，用以灵活调整待提取项的内容而无需重新训练整个系统。本发明实施例包括：确定病历文本中各文本元素的输入向量；针对至少一个文本元素，利用神经网络根据所述病历文本中文本元素的输入向量确定所述文本元素的隐层表示，所述隐层表示包含所述文本元素的上下文信息；确定所述病历文本中各文本元素的隐层表示与术语库中待提取项的关联性，根据关联性确定所述病历文本中的目标文本元素，所述目标文本元素为与所述待提取项对应的文本元素；根据所述目标文本元素的隐层表示，确定所述待提取项的输出内容。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种病历文本的自然语言结构化方法及装置。

背景技术

自然语言结构化，指的是对于输入的一段自由文本，自动提取其关键信息，以表格/框图等结构化形式输出提取结果。例如对于“患者发热1日，无咳嗽，二便正常”，系统可以提取出“发热：有”、“发热持续时长：24小时”、“小便：正常”、“大便：正常”等信息，以条目：取值的结构化形式输出至下游算法，便于后续处理。由于自然语言结构化技术可以将算法难以处理的自由文本，转变为算法容易处理的键值对，使得其成为了机器理解人类语言的突破口，也是智能医疗、智能客服、智能问答系统、智能搜索引擎的核心技术，被广泛应用于医疗、教育、电商等多个行业。

现有技术中，对于病历文本的自然语言结构化一般采用端到端的方式自动提取，对同类型训练文本数据进行标注，使用神经阅读器等技术，对输入文本进行理解，输出待提取项的取值。由于现有技术中的提取依赖标注，系统只能处理经过标注的待提取项，而对于新增的待提取项，需要重新标注训练文本数据和训练整个系统，导致系统难以应对提取项的修改，而且维护成本高。

发明内容

本申请提供一种病历文本的自然语言结构化方法及装置，用以灵活调整待提取项的内容而无需重新训练整个系统。

本发明实施例提供的一种病历文本的自然语言结构化方法，包括：

确定病历文本中各文本元素的输入向量；

针对至少一个文本元素，利用神经网络根据所述病历文本中文本元素的输入向量确定所述文本元素的隐层表示，所述隐层表示包含所述文本元素的上下文信息；

确定所述病历文本中各文本元素的隐层表示与术语库中待提取项的关联性，根据关联性确定所述病历文本中的目标文本元素，所述目标文本元素为与所述待提取项对应的文本元素；

根据所述目标文本元素的隐层表示，确定所述待提取项的输出内容。

可选的，所述利用神经网络根据所述病历文本中文本元素的输入向量确定所述文本元素的隐层表示，包括：

利用长短期记忆模型，根据所述病历文本中文本元素的输入向量确定所述文本元素的隐层表示；

所述确定所述病历文本中各文本元素的隐层表示与术语库中待提取项的关联性，根据关联性确定所述病历文本中的目标文本元素，包括：

通过注意力机制，确定所述病历文本中各文本元素的隐层表示与术语库中待提取项的关联性；

将关联性大于第一阈值的文本元素作为所述待提取项的目标文本元素。

可选的，所述病历文本中的文本元素包括所述病历文本中的单字；

所述确定病历文本中各文本元素的输入向量，包括：

利用字嵌入技术，确定所述病历文本中的每个单字的第一向量；

对所述病历文本进行分词，利用词嵌入技术，确定所述病历文本中的每个词的向量，并将每个词的向量作为对应的单字的第二向量；

根据所述第一向量和所述第二向量，确定所述病历文本中每个单字的输入向量。