[发明专利]一种文本数据的实体信息提取方法及装置

说明书

本发明适用于自然语言处理技术领域，提供了一种文本数据的实体信息提取方法及装置，该方法包括：根据分级实体词表和预设条件，对待处理文本数据中的实体信息进行提取；对提取的所述实体信息进行拼接，以获得拼接的实体信息。本发明根据实体信息间的相互关系设定提取的预设条件，并根据预设条件对待处理文本数据的实体信息进行提取，不仅有效避免了漏召的情况，而且保证了实体信息提取的准确率，有效提高了实体信息提取的效果。

技术领域

本发明属于自然语言处理技术领域，尤其涉及一种文本数据的实体信息提取方法及装置。

背景技术

非结构化数据是指未经预定义的数据模型或模式进行结构化的数据，典型的非结构化数据包括文本文件、电子邮件、社交媒体、网站数据、移动数据、通信数据等自然语言的文本数据。以电子病历为例，电子病历记载了海量真实而丰富的临床数据，是临床医生长期实践和经验的总结，可用于支持临床辅助决策、流行病学统计、临床科研和药物研发等。然而电子病历中包含大量基于自然语言的非结构化文本数据，为了能够从自然语言的非结构化文本数据中提取出有价值的相关信息，需要对其进行结构化处理，而实体提取则是对文本数据进行结构化处理中非常重要的一步。

目前在对电子病历进行实体提取时，常采用以下两种方法：第一种方法是将完整的部位词语作为一个整体在文本中进行匹配；第二种方法是将部位词语根据其特点进行拆分，作为多个独立部分匹配后再进行组合。然而，上述第一种方法容易出现漏召的情况，导致召回率低；而第二种方法容易出现误召，导致准确率低。因此目前在进行实体提取时，无法同时兼顾召回率和准确率，导致实体提取的效果不理想。

发明内容

有鉴于此，本发明实施例提供了一种文本数据的实体信息提取方法及装置，以解决现有技术进行实体提取时无法同时兼顾召回率和准确率，导致实体提取的效果不理想的问题。

本发明实施例的第一方面提供了一种文本数据的实体信息提取方法，包括：

根据分级实体词表和预设条件，对待处理文本数据中的实体信息进行提取；

对提取的所述实体信息进行拼接，以获得拼接的实体信息。

本发明实施例的第二方面提供了一种文本数据的实体信息提取装置，包括：

提取模块，用于根据分级实体词表和预设条件，对待处理文本数据中的实体信息进行提取；

拼接模块，用于对提取的所述实体信息进行拼接，以获得拼接的实体信息。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的文本数据的实体信息提取方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的文本数据的实体信息提取方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：本实施例根据实体信息间的相互关系设定提取的预设条件，并根据预设条件对待处理文本数据的实体进行提取，不仅有效避免了漏召的情况，而且保证了实体提取的准确率，有效提高了实体提取的效果，为后续进行结构化处理提供了良好的数据基础。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1是本发明实施例提供的文本数据的实体信息提取方法的实现流程示意图一；

图2是本发明实施例提供的文本数据的实体信息提取方法的实现流程示意图二；