[发明专利]中文病历的实体识别方法、装置、设备及存储介质

权利要求书

1.一种中文病历的实体识别方法，其特征在于，包括以下步骤：

识别出所述中文病历中包含的个人信息,根据第一对应规则输出与所述个人信息对应的第一特征向量，所述中文病历中每个字对应相同的所述第一特征向量；

利用分词工具对所述中文病历进行分词，以分词后得到的词组为单位，根据第二对应规则对应每个字输出用于表征每个字在词组中位置的第二特征向量；

识别出所述中文病历中每个字的偏旁，根据第三对应规则对应每个字输出与所述每个字的偏旁对应的第三特征向量；

对所述中文病历做n-gram遍历，将遍历后得到各个词组分别与预设的原始医学词典、前缀词典和后缀词典进行匹配，根据匹配结果与第四对应规则对应每个字输出相应的第四特征向量；

利用中文拼音转换工具将所述中文病历中每个字转换为拼音，根据第五对应规则对应每个字输出与所述每个字的拼音对应的第五特征向量；

根据拼接规则将所述第一特征向量、所述第二特征向量、所述第三特征向量、所述第四特征向量和所述第五特征向量对应拼接在每个字的初始向量之后，以得到用于表征所述中文病历的向量集；

将用于表征所述中文病历的向量集输入训练好的模型以抽取其中的实体。

2.根据权利要求1所述的中文病历的实体识别方法，其特征在于，所述识别出所述中文病历中包含的个人信息包括以下步骤：

创建用于匹配个人信息的正则表达式；

用所述正则表达式与所述病人基本信息进行匹配，以识别出所述病人基本信息中包含的个人信息；

所述第一对应规则包括病人类型与特征向量的对应规则和病人年龄与特征向量的对应规则；

所述病人类型与特征向量的对应规则包括：

特征向量的长度等于所述病人类型的种类数量；

所述特征向量中每一维度对应所述病人类型中的一个种类；

所述特征向量通过所述病人类型对应维度的向量值的改变表征对应的所述病人类型；

或者，

特征向量的长度为1；

所述特征向量通过不同的向量值对应表征不同所述病人类型；

所述病人年龄与特征向量的对应规则包括：

特征向量的长度为1；

所述特征向量通过不同的向量值对应表征不同所述病人年龄，所述向量值等于所述病人年龄。

3.根据权利要求1所述的中文病历的实体识别方法，其特征在于，所述第二对应规则包括：

特征向量的长度为4；

所述特征向量的前三个维度用于表征包含两个字以上词组，其中第一个维度的向量值的改变用于表征位于所述词组中首位的字，第二个维度的向量值的改变用于表征位于所述词组中中间的字，第三个维度的向量值的改变用于表征位于所述词组中末尾的字；

所述特征向量的第四个维度用于表征单字词组，所述第四个维度的向量值的改变用于表征单字词组中的字。

4.根据权利要求1所述的中文病历的实体识别方法，其特征在于，所述识别出所述中文病历中每个字的偏旁具体包括以下步骤：

将所述中文病历中的每个字与预设的偏旁字典进行匹配，输出匹配到的偏旁，所述偏旁字典包含所有中文字与对应偏旁的关联关系；

所述第三对应规则包括：

特征向量的长度等于预设的实体偏旁的数量；

所述特征向量中每一维度对应一个所述实体偏旁；

所述特征向量通过所述实体偏旁对应维度的向量值的改变表征对应的包含所述实体偏旁的字；

或者，

特征向量的长度为1；

所述特征向量通过不同的向量值对应表征包含不同所述实体偏旁的字。

5.根据权利要求1所述的中文病历的实体识别方法，其特征在于，所述前缀词典的构建包括以下步骤：

识别出所述原始医学词典中多于两个字的词组；

将识别出的所述词组的前i个字存入前缀词典，i为小于该词组长度且大于该词组长度的一半的自然数，其中该词组长度的一半取整数；

所述后缀词典的构建包括以下步骤：

识别出所述原始医学词典中多于两个字的词组；

将识别出的所述词组的后i个字存入后缀词典，i为小于该词组长度且大于等于该词组长度的一半的自然数，其中该词组长度的一半取整数。