[发明专利]临床术语挖掘方法、装置、电子设备及计算机可读介质

权利要求书

1.一种临床术语挖掘方法，其特征在于，包括：

对待处理数据进行分类，并根据分类后数据进行采样得到采样样本，其中所述待处理数据中包括临床病例文本；

通过载入术语词典、知识规则和约束以及进行模板抽取与术语抽取，并根据所述采样样本和种子词按照预设算法对所述术语词典进行迭代更新；以及

判断是否满足迭代终止条件，如果满足所述迭代终止条件，则终止迭代，得到挖掘出的术语词表，并将所述术语词表添加到所述术语词典中；

其中，所述临床病例文本中包括简单文本和复杂文本，所述对待处理数据进行分类包括：

对所述简单文本按照不同字段来源进行分类；

对所述复杂文本进行切分得到文本片段，对所述文本片段按照预设规则或分类器进行分类；

根据所述采样样本和种子词按照预设算法对所述术语词典进行迭代更新包括：

获取初始化术语词典，所述初始化术语词典为包含初始术语的词典；

判断目标类型术语词是否出现在所述初始化术语词典中，如果所述目标类型术语词出现在所述初始化术语词典中，则复用所述种子词作为启动的种子词；如果所述目标类型术语词未出现在所述初始化术语词典中，则根据所述采样样本分析并生成代表性种子词；

根据所述知识规则和约束进行所述模板抽取和所述术语抽取。

2.如权利要求1所述的方法，其特征在于，对待处理数据进行分类之前，还包括：

对所述待处理数据进行预处理。

3.如权利要求1所述的方法，其特征在于，所述模板抽取包括：

使用指定来源和分类的文本字段的代表性样本作为输入，使用目标类型种子词、所述知识规则和约束统计分析上下文；

对分析后的所述上下文进行频繁模式挖掘；

对挖掘所得频繁模式进行分组和冲突消解，生成抽取模板；

对所述抽取模板进行综合加权，输出加权得分最高的抽取模板完成模板抽取。

4.如权利要求3所述的方法，其特征在于，所述术语抽取包括：

使用指定来源和分类的文本字段的全部样本作为输入，使用所述得分最高的抽取模板抽取候选术语词；

对候选术语词进行综合打分；

输出打分最高的术语词完成术语抽取。

5.如权利要求1所述的方法，其特征在于，所述迭代终止条件为以下任一情况：

种子词数量高于第一预设数量；或

迭代次数超过预设次数；或

新增有效术语的数量低于第二预设数量。

6.一种临床术语挖掘装置，其特征在于，包括：

分类模块，用于对待处理数据进行分类，并根据分类后数据进行采样得到采样样本，其中所述待处理数据中包括临床病例文本；

更新模块，用于通过载入术语词典、知识规则和约束以及进行模板抽取与术语抽取，并根据所述采样样本和种子词按照预设算法对所述术语词典进行迭代更新；

迭代终止模块，用于判断是否满足迭代终止条件，如果满足所述迭代终止条件，则终止迭代，得到挖掘出的术语词表，并将所述术语词表添加到所述术语词典中；

其中，所述临床病例文本中包括简单文本和复杂文本，所述对待处理数据进行分类包括：

对所述简单文本按照不同字段来源进行分类；

对所述复杂文本进行切分得到文本片段，对所述文本片段按照预设规则或分类器进行分类；

根据所述采样样本和种子词按照预设算法对所述术语词典进行迭代更新包括：

获取初始化术语词典，所述初始化术语词典为包含初始术语的词典；

判断目标类型术语词是否出现在所述初始化术语词典中，如果所述目标类型术语词出现在所述初始化术语词典中，则复用所述种子词作为启动的种子词；如果所述目标类型术语词未出现在所述初始化术语词典中，则根据所述采样样本分析并生成代表性种子词；

根据所述知识规则和约束进行所述模板抽取和所述术语抽取。