[发明专利]一种针对电子病历描述的查询重构方法

说明书

一种针对电子病历描述的查询重构方法，为临床决策支持中针对电子病历长文本的查询重构方法。信息检索中的查询重构是指将用户输入的信息进行自动化处理形成新的查询表达式的过程，目的是为了在大量复杂的信息数据中进一步挖掘用户查询的真正意图，提升检索效果。在医疗领域中，医学文献检索是临床决策支持的一个重要应用，它将电子病历文本作为查询输入从海量医学文本中获取需要的信息。而电子病历的描述十分复杂，为得到有效的检索效果需要进行查询重构。对此，本发明针对具有冗余信息的电子病历描述长文本，利用子查询分割和筛选及查询质量预测技术，选取查询质量最高的子查询替代原始查询，并预测查询意图重构查询，提高了检索效率。

技术领域

本发明涉及文本检索领域，尤其涉及文本检索中查询的处理。

背景技术

信息检索是从非结构化的大规模数据中找到用户所需信息的过程，是在海量数据中获取关键信息的有效方法。早在上世纪，医学专家就考虑利用数据、模型辅助临床决策，由此提出了临床决策支持系统。临床决策支持系统是一个医疗信息技术应用系统，包括利用信息检索技术预测诊断，即将病历中的病人描述作为查询查找相关医学文献辅助决策。通过这种方法，临床决策支持系统能有效挖掘医疗中的深层数据，提高医疗服务效率，加快医疗信息化进程。

随着医疗卫生事业的发展和科学技术的进步，医疗行业的科技化水平和信息化程度在不断提高，诊断决策支持系统作为临床决策支持系统中的一个非常活跃应用分支，一直是国内外研究与应用的热点。诊断决策支持系统是指能为医生在诊断决策过程中提供辅助支持的计算机应用系统，其可以为临床医生提供大量的医学支持，从而帮助临床医生做出最合理的诊断、选择最佳治疗措施。大量研究表明诊断决策支持系统可以有效解决临床医生疾病诊断过程中知识的局限性问题，并减少人为疏忽、相对降低医疗费用，为医疗质量提供保障。

为了更好地研究医疗文本检索技术，文本检索会议TREC在2014年提出了临床决策支持(CDS)任务。该任务给出电子病历的描述作为输入查询，参赛者在已有医疗文献集合中搜索返回与该查询最相关的文档，提供给医生辅助判断患者的真实需求。作为查询的电子病历以自由文本的形式存储，病历数据来源于ICU临床数据库MIMIC-III，而作为检索库的目标文档集则来自美国生物医学和生命科学全文本数据库PubMed Central。

从TREC CDS任务目前已有的研究成果来看，文献检索的主要工作集中在对原始查询语句的处理上，主流方法是基于关键词的查询扩展，而针对电子病历长文本的查询处理工作非常稀少。电子病历文本具有高度多义性，文本存在大量冗余且语义不清晰，它的处理方法无疑是医疗文献检索任务的难点。

发明内容

从TREC CDS任务目前已有的研究成果来看，文献检索的主要工作集中在对原始查询语句的处理上，主流方法是基于关键词的查询扩展，而针对电子病历长文本的查询处理工作非常稀少。普通查询长度在几到十几个查询词，而临床决策中任一电子病历描述平均长度在50-200个查询词，大多数商业及学术搜索引擎在处理这种长查询时效果并不理想，这意味着它将原始查询缩减为较短查询的任务留给了用户。另一方面，明确的查询意图可以进行针对性检索以提高检索效率。

针对上述问题，本发明以重构查询语句为目的，采用SVM分类器获取查询语句的查询意图，生成电子病历的子查询并对其进行筛选，之后通过训练查询质量预测模型获取子查询中最优子查询，将其与查询意图相结合生成重构的查询语句。

为了实现上述目的，本发明给出的技术方案为：

本发明提供一种针对电子病历描述的查询重构方法，包括：

步骤1、对数据集中的电子病历文本和医疗文献文本进行预处理；

步骤2、训练SVM分类器对电子病历文本进行查询意图预测；

步骤3、获取电子病历文本的所有子查询并对其进行初步预筛选；